REDUÇÃO DE CUSTOS DE TRANSPORTE, AUTOMAÇÃO DO CERTIFICADO DE CANA, E OTIMIZAÇÃO LOGÍSTICA.
OTIMIZAÇÃO DA LOGÍSTICA DE PRODUÇÃO E USO DE ... · otimizaÇÃo da logÍstica de produÇÃo e...
Transcript of OTIMIZAÇÃO DA LOGÍSTICA DE PRODUÇÃO E USO DE ... · otimizaÇÃo da logÍstica de produÇÃo e...
i
PROJETO DE GRADUAÇÃO
OTIMIZAÇÃO DA LOGÍSTICA DE PRODUÇÃO E USO DE BIOCOMBUSTÍVEIS
SÓLIDOS A PARTIR DE RESÍDUOS AGRÍCOLAS
Por,
Rafael Hakme
Brasília, 27 de novembro de 2015
UNIVERSIDADE DE BRASÍLIA
FACULDADE DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA MECÂNICA
ii
UNIVERSIDADE DE BRASÍLIA
Faculdade de Tecnologia
Departamento de Engenharia Mecânica
PROJETO DE GRADUAÇÃO
OTIMIZAÇÃO DA LOGÍSTICA DE PRODUÇÃO E USO DE BIOCOMBUSTÍVEIS
SÓLIDOS A PARTIR DE RESÍDUOS AGRÍCOLAS
POR,
Rafael Hakme
Relatório submetido como requisito parcial para obtenção
do grau de Engenheiro Mecânico.
Banca Examinadora
Prof. Armando Caldeira-Pires, UnB/ ENM (Orientador)
Prof. Thiago Oliveira Rodrigues, UnB/EFL
Prof. Mário Benjamim Baptista de Siqueira, UnB/ENM
Brasília, 27 de novembro de 2015.
iii
RESUMO
A partir da teoria de otimização linear e da utilização do programa GAMS, este trabalho
pretende identificar possíveis localizações ótimas para o estabelecimento de usinas
termoelétricas que possam utilizar os resíduos da agricultura oriundos da produção de
soja e milho no Estado de Mato Grosso. O processo tecnológico a ser analisado para essa
otimização envolve a densificação energética dos resíduos de biomassa, através da
torrefação, briquetagem e peletização. Também foram tratados o transporte da biomassa
até as termoelétricas e a utilização dessa energia através de gaseificação ou combustão
direta para a geração de eletricidade. A função otimizada será o custo ambiental e do uso
de combustível para o transporte da biomassa. Serão calculados os custos de transporte
entre unidades de densificação e usinas, custos de densificação e custos ambientais de
emissão de carbono para ambos os processos. Também serão calculados os potenciais,
as receitas geradas pela venda de energia elétrica e pela emissão de gás carbônico evitada.
Palavras-chave: biomassa, otimização linear, GAMS, localização, bioenergia
ABSTRACT
This work seeks, through the linear optimization and the use of the GAMS program, to
identify optimal locations for the establishment of thermoelectric plants that can use the
agricultural wastes originated from the production of soybeans and corn in the state of
Mato Grosso. The technological process to be optimized involves the energetic
densification of the biomass residues, through the torrefaction, briquetting and
palletization. The biomass transportation to the thermoelectric plants and the energy
utilization through the gasification or the direct combustion for the energy generation will
be also analyzed. The function to be optimized will be the environmental cost and the fuel
used for the for the transportation of the biomass. Transportation costs between the
densification and plants, densification and environmental costs of carbon emission from
both processes will be calculated. The revenue generated by the electric energy sales and
by the avoided carbon emissions will be calculated too.
Keywords: biomass, linear optimization, GAMS, siting, bioenergy
iv
SUMÁRIO
1 INTRODUÇÃO ........................................................................................................... 1
1.1 CARACTERIZAÇÃO DO CENÁRIO BRASILEIRO DA GERAÇÃO DE
RESÍDUOS SÓLIDOS PROVENIENTES DA AGRICULTURA E O POTENCIAL DE
ENERGIA ................................................................................................................................. 2
1.2 OBJETIVO .............................................................................................................. 10
1.2.1 OBJETIVOS ESPECÍFICOS ........................................................................... 10
2 ESTADO DA ARTE CIENTÍFICO ........................................................................ 11
3 CONTEXTUALIZAÇÃO TECNOLÓGICA ......................................................... 13
3.1 BIOMASSA ............................................................................................................ 13
3.2 TECNOLOGIAS DISPONÍVEIS ........................................................................... 14
3.3 TECNOLOGIAS DE DENSIFICAÇÃO ENERGÉTICA DE BIOMASSA .......... 16
3.3.1 Peletização ........................................................................................................... 16
3.3.2 Briquetagem ........................................................................................................ 17
3.3.3 Torrefação ........................................................................................................... 19
3.4 TECNOLOGIAS DE CONVERSÃO DE BIOMASSA EM BIOENERGIA ......... 20
3.4.1 Conversão termoquímica ..................................................................................... 21
3.4.1.1 Combustão direta ............................................................................................. 22
3.4.1.2 Gaseificação .................................................................................................... 22
3.4.1.3 Pirólise ............................................................................................................. 23
3.4.2 Conversão bioquímica ......................................................................................... 23
3.4.2.1 Digestão anaeróbica ........................................................................................ 23
3.4.2.2 Fermentação alcoólica ..................................................................................... 23
3.4.3 Conversão físico-química .................................................................................... 24
3.5 GERAÇÃO DE ENERGIA ..................................................................................... 25
3.5.1 Turbinas a vapor .................................................................................................. 25
3.5.2 Turbinas a gás...................................................................................................... 26
3.6 MERCADO DE CARBONO .................................................................................. 27
v
4 OTIMIZAÇÃO LINEAR ......................................................................................... 30
4.1 REPRESENTAÇÃO DE PROBLEMAS ................................................................ 30
4.2 TEORIA FUNDAMENTAL DA PROGRAMAÇÃO LINEAR ............................ 31
4.3 DUALIDADE ......................................................................................................... 34
4.3.1 Modelo primal e dual .......................................................................................... 34
4.3.2 Teorema dual ....................................................................................................... 34
4.3.3 Relação entre o modelo primal e dual ................................................................. 35
4.3.4 Valor ótimo do modelo dual em termos de economia ......................................... 36
4.3.5 Imposto de Pigou ................................................................................................. 36
4.4 EXEMPLO APLICADO A UM PROBLEMA DE TRANSPORTE ...................... 36
4.5 O PROGRAMA GAMS .......................................................................................... 39
5 MODELO TECNOLÓGICO A SER ANALISADO ............................................. 41
5.1 MODELOS DE PREVISÃO ................................................................................... 42
5.2 VOLATILIDADE DA DEMANDA ....................................................................... 42
5.3 OBJETIVOS CONFLITANTES E TROCAS COMPENSATÓRIAS .................... 42
5.4 MODELO MULTIOBJETIVOS ............................................................................. 43
5.5 JUSTIFICATIVA DO MODELO TECNOLÓGICO ADOTADO ......................... 43
6 OTIMIZAÇÃO .......................................................................................................... 45
6.1 DEFINIÇÃO DO PROBLEMA .............................................................................. 45
6.2 AVALIAÇÃO DO POTENCIAL ENERGÉTICO NO ESTADO DE MATO
GROSSO 47
6.3 PROVÁVEIS LOCALIZAÇÕES DAS USINAS TERMOELÉTRICAS .............. 50
6.4 DISTÂNCIAS ENTRE MUNICÍPIOS ................................................................... 51
6.5 CUSTOS RELACIONADOS AO TRANSPORTE ................................................ 53
6.5.1 Custos dos fretes dos briquetes ........................................................................... 54
6.5.2 Custos ambientais relacionados ao transporte ..................................................... 55
6.6 CUSTOS DE DENSIFICAÇÃO DA BIOMASSA BRIQUETAGEM ................... 56
6.6.1 Custos ambientais relacionados a densificação da biomassa .............................. 57
6.7 CUSTOS TOTAIS .................................................................................................. 57
vi
6.8 POTÊNCIA INSTALADA DAS USINAS ............................................................. 58
6.9 RECEITA GERADA .............................................................................................. 59
6.10 AVERIGUAÇÃO DA NECESSIDADE DA OTIMIZAÇÃO ............................ 60
6.11 PROGRAMAÇÃO DA OTIMIZAÇÃO ............................................................. 61
6.12 RESULTADOS ................................................................................................... 63
6.12.1 Taxa de Pigou .................................................................................................. 65
6.12.2 Tecnologias empregadas ................................................................................. 65
6.12.3 Custos Marginais ............................................................................................. 65
7 CONCLUSÃO ........................................................................................................... 68
8 REFERÊNCIA BIBLIOGRÁFICA ......................................................................... 71
9 ANEXOS .................................................................................................................... 77
ANEXO I – Lista de países que ratificaram o Protocolo de Quioto ................................. 77
ANEXO II – CENÁRIO 1 – 80% DE APROVEITAMENTO DOS RESÍDUOS ........... 78
ANEXO III – CENÁRIO 2 – 50% DE APROVEITAMENTO DOS RESÍDUOS .......... 85
ANEXO IV – CENÁRIO 3 – 20% DE APROVEITAMENTO DOS RESÍDUOS .......... 92
ANEXO V – PROGRAMAÇÃO DA OTIMIZAÇÃO EM AMBIENTE GAMS ............ 99
vii
LISTA DE FIGURAS
Figura 1 - Diagrama esquemático dos processos de conversão energética da biomassa. Fonte:
Atlas de Energia Elétrica do Brasil 2003 – ANEEL ................................................................... 15
Figura 2 - Pellets. FONTE: Site Balkangrain .............................................................................. 16
Figura 3 - Prensa de matriz anular. FONTE: Site Akahl ............................................................. 17
Figura 4 - Processo de briquetagem por extrusão contínua. ........................................................ 19
Figura 5 - Ilustração de algumas das tecnologias de reator utilizados para a torrefação. FONTE:
Technologies for Converting Biomass to Useful Energy: COMBUSTION, GASIFICATION,
PYROLYSIS, TORREFACTIONAND FERMENTATION, 2013. ........................................... 20
Figura 6 - Esquema de gaseificadores de leito fluidizado: (a) fluidizado borbulhante e (b) de leito
fluidizado circulante. FONTE: Technologies for Converting Biomass to Useful Energy:
COMBUSTION, GASIFICATION, PYROLYSIS, TORREFACTIONAND FERMENTATION
..................................................................................................................................................... 22
Figura 7 – Exemplo de uma planta de geração de energia por biomassa com turbina movida a
vapor de água. FONTE: site http://www.seropedicaonline.com/wp-
content/uploads/2014/02/cental-biomassa-calor-e-electricidade.png ......................................... 26
Figura 8 - Turbina a gás da EBX Parnaíba. FONTE: <
http://i.ytimg.com/vi/k2Y24gzaAmc/maxresdefault.jpg> .......................................................... 27
Figura 9 - Solução gráfica do problema em questão. Fonte: Santos, 2010. ................................ 33
Figura 10- Principais desafios impostos ao SCM e a modelagem utilizada. FONTE: Modelos de
previsão no supply chain management. (2006) ........................................................................... 41
Figura 11 - Mapa da distribuição dos municípios geradores de biomassa do Estado de Mato
Grosso. FONTE: Google Maps. .................................................................................................. 51
Figura 12 - Municípios alvos para o recebimento de usinas de processamento de biomassa para
geração de energia elétrica. FONTE: Google Maps. ................................................................... 52
viii
LISTA DE TABELAS
Tabela 1 - Quantidade produzida, em toneladas, segundo os principais produtos - Brasil - 2014.
FONTE: Produção Agrícola Municipal, IBGE, 2014. .................................................................. 3
Tabela 2 - Quantidade produzida de cereais, leguminosas e oleaginosas, em ordem decrescente,
segundo as Grandes Regiões, as Unidades da Federação e os principais produtos - 2014. FONTE:
Produção Agrícola Municipal, IBGE, 2014. ................................................................................. 5
Tabela 3 - Principais Unidades da Federação e os 20 municípios com as maiores produções de
milho, em ordem decrescente de quantidade produzida (t) - 2014. FONTE: Produção Agrícola
Municipal, IBGE, 2014. ................................................................................................................ 7
Tabela 4 - Principais Unidades da Federação e os 20 municípios com as maiores produções de
soja, em ordem decrescente de quantidade produzida, em toneladas - 2014. FONTE: Produção
Agrícola Municipal, IBGE, 2014. ................................................................................................. 8
Tabela 5 – Representação de problemas na forma canônica e na forma reduzida ...................... 31
Tabela 6 - Dados do exemplo: Mistura para ração ...................................................................... 32
Tabela 7 - Modelos Primal e Dual .............................................................................................. 34
Tabela 8 - Relação entre modelo Primal e Dual .......................................................................... 35
Tabela 9 - Dados do problema de transporte ............................................................................... 37
Tabela 10 - Dados e variáveis do problema ................................................................................ 38
Tabela 11 - Quantidades transportadas ótimas (em nº de caixas) ............................................... 38
Tabela 12 - Custos marginais ...................................................................................................... 39
Tabela 13 - Quantidade de resíduos gerados pelas culturas da soja e do milho nos principais
municípios do Estado de Mato Grosso, em toneladas, em ordem decrescente - 2014. ............... 47
Tabela 14 - Poder Calorífico dos resíduos das culturas da soja e do milho. FONTE: ¹ABIB (2010)
e ²CENBIO (2012). ..................................................................................................................... 48
Tabela 15 - Potencial energético dos resíduos gerados na agroindústria das principais culturas
brasileiras em MW/ano - 2014. ................................................................................................... 49
Tabela 16 - Cenários de aproveitamento dos resíduos das culturas da soja e milho nos principais
municípios produtores do Estado de Mato Grosso, em toneladas. .............................................. 50
Tabela 17 - Distâncias entre municípios alvos para recebimento de biomassa e potenciais
municípios geradores de biomassa sólida, em quilômetros, no Estado de Mato Grosso. FONTE:
Google Maps. .............................................................................................................................. 53
Tabela 18 - Tabela base de preços mínimos de frete no Estado de Mato Grosso. FONTE:
Secretaria de Fazendo do Estado de Mato Grosso (2014). .......................................................... 54
Tabela 19 - Custos relacionados ao frete..................................................................................... 55
ix
Tabela 20 - Valor médio de litros por quilometragem para veículos do ciclo Diesel. FONTE:
MMA, 2011. ................................................................................................................................ 56
Tabela 21 - Fatores de emissão de CO2. FONTE: MMA, 2011. ................................................ 56
Tabela 22 - Representação das variáveis. .................................................................................... 57
Tabela 23 - Geração de Energia, Demanda de energia e variação percentual entre ambas. ....... 60
Tabela 24 - Definições s símbolos a serem utilizados na programação. ..................................... 61
Tabela 25 - Novas variáveis envolvidas no custo do transporte. ................................................ 62
Tabela 26 - Custos marginais de transporte de biomassa para o Estado de Mato Grosso (R$). . 66
x
LISTA DE SÍMBOLOS
Símbolos Latinos
𝑎𝑖 - Capacidade das plantas 𝑖 [caixas]
𝑎𝑖1 - Oferta de biomassa [t]
𝑏𝑗 - Demanda do mercado 𝑗 [caixas]
𝑐𝑎𝑝 - Capacidade dos caminhões [t]
𝐶𝑎𝑝𝐶𝑎𝑚 - Capacidade de carga do caminhão [𝑘𝑔]
𝐶𝑑𝑒𝑛𝑠𝑖 - Custo de densificação [𝑅$]
𝐶𝐸𝑐 - Conteúdo de energia [TJ/unidade]
𝑐𝑖𝑗 - Custo de transporte por caixa [$]
𝐶𝑖𝑗 - Custo total [𝑅$]
𝑐𝑝𝑖 - Custo energético de peletização [𝑅$]
𝑐𝑝2𝑖 - Custo ambiental de peletização [𝑅$]
𝑐𝑡𝑖𝑗 - Custo total [R$]
𝑐𝑡𝑝𝑖 - Custo total de peletização [R$]
𝐶𝑡𝑟𝑎𝑛𝑠𝑝𝑖𝑗 - Custo de transporte [𝑅$]
𝑐𝑡𝑟𝑖𝑗 - Custo total de transporte [R$]
𝐶𝑢𝑠𝑡𝐴𝑚𝑏 - Custo Ambiental de peletização [𝑅$/𝑘𝑔]
𝐶𝑢𝑠𝑡𝐷𝑖𝑒𝑠 - Consumo de combustível diesel [𝑅$/𝑘𝑚]
𝐶𝑢𝑠𝑡𝐸𝑚𝑖𝑠 - Custo das emissões de CO2 [𝑅$/𝑘𝑚]
𝐶𝑢𝑠𝑡𝐸𝑛𝑒𝑟𝑔 - Custo Energético [𝑅$/𝑘𝑔]
𝑐1𝑖𝑗 - Custo calculado de transporte (frete) [R$]
𝑐2𝑖𝑗 - Custo ambiental de transporte [R$]
𝑑𝑖𝑗 - Distâncias [km]
𝐷𝑖𝑗 - Distâncias entre os municípios [𝑘𝑚]
𝑑𝑒𝑚𝑎𝑛𝑑𝑎(𝑖) - Demanda [caixas]
𝐷𝑡𝑜𝑡 - Distância total percorrida [𝑘𝑚]
𝑓 - Frete [$/caixa]
[R$/km]
𝐹𝐶𝑐 - Fator de emissão de carbono [tC/unidade]
por tipo de combustível
𝐹𝐸𝑐 - Fator de emissão de carbono [tC/TJ]
por quantidade de combustível
𝑓1 - Frete [R$/km]
𝑓2 - Custo ambiental de transporte por quilômetro
𝑂𝑓𝑒𝑟𝑡𝑎 - Quantidade de madeira processada [m³]
𝑜𝑓𝑒𝑟𝑡𝑎(𝑖) - Oferta [caixas]
𝑂𝑖 - Oferta de biomassa já densificada [kg]
𝑂𝑋𝑐 - Fator de oxidação do combustível
𝑃𝑜𝑡𝐼𝑛𝑠𝑡 - Potência Instalada [MW/ano]
𝑃𝑟 - Preço de venda da energia elétrica [R$/kWh]
𝑝1 - Custo da energia para peletização por tonelada
[R$/t]
𝑝2 - Custo ambiental de peletização por tonelada [R$/t]
xi
𝑥𝑖𝑗 - Quantidade de remessas [caixas]
𝑥𝑖𝑗1 - Quantidade de pellets transportada [t]
𝑧 - Custo total de transporte [$]
Subscritos
𝑖 - Plantas de enlatamento
𝑗 - Mercados
Siglas
ANEEL - Agência Nacional de Energia Elétrica
CO - Monóxido de Carbono
CO2 - Dióxido de Carbono
ERB - Energias Renováveis do Brasil
GAMS - Generalized Algebraic Modeling System GCA - Grupo Combustíveis Alternativos
GDS - The German Solar Energy Society
GEE - Gases do Efeito Estufa
GLP - Gás Liquefeito de Petróleo
GWP - Global Warming Potencial
H2 Gás hidrogênio
HC - Hidrocarbonetos
IBGE Instituto Brasileiro de Geografia e Estatística
Imazon - Instituto do Homem e Meio Ambiente da Amazônia
IPEA Instituto Econômico de Geografia e Estatística
IPCC - Intergovernmental Panel on Climate Change
MCT - Ministério da Ciência e Tecnologia
MDL - Mecanismos de Desenvolvimento Limpo
MME - Ministério de Minas e Energia
CH4 Metano
NOx - Óxidos de Nitrogênio
RCE - Redução Certificada de Emissões
SCM Supply Chain Management
UNFCCC - Convenção Quadro das Nações Unidas sobre Mudanças
Climáticas
1
1 INTRODUÇÃO
Atualmente, a busca por formas alternativas de energia tem se tornado fundamental. Hoje o
Brasil dispõe de uma matriz energética de origem predominantemente renovável, sendo 61,61%
de origem hidráulica (que corresponde a 65,2% da oferta interna no ano base de 2014). As fontes
renováveis representam 74,6% da oferta interna de eletricidade no Brasil (BEN, 2015). É
importante lembrar que toda geração de fontes renováveis está sujeita a oscilações eventuais,
como o regime de chuvas desfavorável, menor intensidade dos ventos e radiação solar, ou safra
abaixo do esperado. Dessa forma, dada a atual forma de consumo da sociedade e a sua
dependência de recursos energéticos, é essencial que haja não apenas um aumento, mas também
uma diversificação das formas de produção de energia elétrica possibilitando-se uma estrutura de
compensação de energia.
É nesse contexto que se torna necessário refletir a respeito da importância da utilização da
biomassa como fonte energética. Como será tratado posteriormente, o Brasil possui vantagens
que o tornam capaz de ser um ator importante na comercialização e produção de mercadorias
agrícolas e agroindustriais. A partir dessa produção são obtidos resíduos, também denominados
biomassa, os quais podem ser aproveitados para a geração de energia elétrica. Assim, essa grande
produção agrícola brasileira permite que o país apresente grande potencial para a produção de
energia elétrica a partir da biomassa. O aproveitamento dos resíduos de origem agrícola permitiria
que o país pudesse aumentar a oferta e diversificação interna de energia, preservar o meio
ambiente e a possibilidade de instalação de usinas próximas aos consumidores, reduzindo a
necessidade de investimentos em linhas de transmissão e seus impactos associados (CASTRO,
2009).
Dessa forma, construiu-se uma base de dados das estimativas dos montantes de resíduos
orgânicos gerados pelas atividades de agricultura (IBGE,2014) e, do potencial energético destes
resíduos, foram avaliadas as principais culturas agrícolas brasileiras. Os resultados servem de
base para a avaliação proposta por este projeto, por meio de uma análise de otimização linear,
realizada através do software GAMS, da logística de produção de biocombustíveis sólidos a partir
de resíduos agrícolas no estado de Mato Grosso. Será levado em consideração as possibilidades
econômicas de utilização desses biocombustíveis para a produção de energia por meio de
reaproveitamento da biomassa (IPEA, 2012), bem como sua sazonalidade, oscilações das
commodities, distâncias entre os produtores e consumidores dos biocombustíveis sólidos.
2
1.1 CARACTERIZAÇÃO DO CENÁRIO BRASILEIRO DA GERAÇÃO DE
RESÍDUOS SÓLIDOS PROVENIENTES DA AGRICULTURA E O
POTENCIAL DE ENERGIA
Nesta seção, serão apresentados os estudos referentes à matriz energética brasileira, ao
panorama da produção agrícola brasileira e a geração de resíduos sólidos, bem como seu potencial
como fonte de matéria-prima para produção de energia em usinas termoelétricas.
MATRIZ DE ENERGIA ELÉTRICA BRASILEIRA
O número total de usinas instaladas no Brasil que estão em operação é de 4.331. Destas, 512
usinas têm como fonte de geração de energia elétrica a biomassa que corresponde a 8,93% (ou
13,8 GW) da Capacidade Instalada. Desse total, o bagaço de cana-de-açúcar representa 7,10%
(ou 10,9 GW) da capacidade total instalada e, os outros 1,83%, têm como fontes o biogás, o capim
elefante (~65,7 MW), a casca de arroz (~39,7 MW), os óleos vegetais, o carvão vegetal, o gás de
alto forno, o licor negro e os resíduos florestais. Assim, será excluída a possibilidade de geração
de energia pelos resíduos da cana-de-açúcar, pois esta representa 79,48% da capacidade instalada
quanto a biomassa como fonte de energia e este trabalho deseja buscar novas fontes de energia
renovável (Banco de Geração de Informação – ANEEL - 2015).
PANORAMA DA PRODUÇÃO AGRÍCOLA BRASILEIRA
O Brasil é um dos países com maior expressão quanto a produção agrícola. A agroindústria é
o segmento da indústria que cuida do processamento da produção primária de alimentos,
constituindo um dos principais segmentos da economia brasileira. Este setor possui grande
impacto na geração do produto interno bruto (PIB). O baixo valor agregado compensado pelo alto
volume de comercialização nas exportações e a sua contribuição para o controle da inflação
(alguns produtos primários constituem parte da cesta básica, como o trigo) são pontos de
relevância para o desempenho da economia brasileira (PESSÔA, 2009), bem como para o setor
elétrico brasileiro.
A agricultura contribui com a geração de empregos, riqueza, desenvolvimento social e
alimentos. Segundo a projeção realizada pelo Ministério da Agricultura, Fazenda e Pecuária –
MAPA (Brasil, 2010c), a taxa anual média de crescimento da produção de lavouras, entre 2010 e
2020, poderá ser da ordem de 2,67%. Esta projeção indica que o Brasil terá, em 2021, uma
produção de grãos superior a 195 milhões de toneladas (t), numa área superior a 50,7 milhões de
hectares (ha) (Rossi, 2011). Porém, a medida em que ocorre essa expansão, também aumentam
os níveis de impacto ambiental e geração de resíduos. Este último, um fator importante para as
3
análises deste trabalho, é uma das preocupações do setor e do governo devido à preocupação com
o destino e/ou tratamento, sendo o reaproveitamento uma solução alternativa.
Assim, o uso da biomassa presente nesses resíduos provenientes da agroindústria, além de
contribuir positivamente para a saúde pública e preservação do meio ambiente, contribuem para
o desenvolvimento econômico do setor agroindustrial e elétrico, como fonte de energia renovável
(IPEA, 2010).
O Instituto Brasileiro de Geografia e Estatística – IBGE – realiza mensalmente o
Levantamento Sistemático da Produção Agrícola – LSPA, no qual a unidade de investigação é o
município, que compõe as análises da Produção Agrícola Municipal (IBGE, 2014). A Tabela 1
apresenta os principais produtos, em ordem decrescente de quantidade produzida (t), da
agricultura brasileira em 2014.
Tabela 1 - Quantidade produzida, em toneladas, segundo os principais produtos - Brasil -
2014. FONTE: Produção Agrícola Municipal, IBGE, 2014.
Principais produtos Quantidade produzida (t)
Cana-de-açúcar 737.155.724
Soja (em grão) 86.760.520
Milho (em grão) 79.877.714
Mandioca 23.242.064
Laranja 16.927.637
Arroz (em casca) 12.175.602
Banana (cacho) 6.946.567
Trigo (em grão) 6.261.895
Tomate 4.302.777
Algodão herbáceo (em caroço) 4.236.763
Batata-inglesa 3.689.836
Feijão (em grão) 3.294.586
Café (em grão) Total 2.804.070
Melancia 2.171.288
4
Café (em grão) arábica 2.012.172
Coco-da-baía 1.946.073
Abacaxi 1.762.938
Cebola 1.646.498
Mamão 1.603.351
Uva (total) 1.453.889
Maçã 1.378.617
Manga 1.132.449
Limão 1.101.762
Tangerina 965.139
Fumo (em folha) 862.396
Maracujá 823.284
Café (em grão) canephora 791.898
Erva-mate (folha verde) 620.484
Melão 589.939
Borracha (látex coagulado) 320.649
Cacau (em amêndoa) 273.973
Pimenta-do-reino 42.339
A safra nacional de cereais, leguminosas e oleaginosas (grãos) totalizou 194,6 milhões de
toneladas em 2014, valor 3,5% superior ao de 2013. Em 2014, a soja bateu novo recorde de
produção com mais de 86,8 milhões de toneladas produzidas e se apresenta como potencial
candidata a geração de resíduos pela agricultura, seguida pelo milho, para geração de energia a
partir dos resíduos dessas culturas agrícolas (IBGE, 2014).
Da Tabela 2, conclui-se que o Centro-Oeste, com 83 milhões de toneladas (42,7%) é o maior
representante no volume da produção nacional de cereais, leguminosas e oleaginosas. Já o Estado
5
de Mato Grosso, foi o líder em produção nacional com participação de 24,3% e, por este motivo,
será o estado alvo de estudo deste trabalho, a nível municipal.
Tabela 2 - Quantidade produzida de cereais, leguminosas e oleaginosas, em ordem
decrescente, segundo as Grandes Regiões, as Unidades da Federação e os principais produtos -
2014. FONTE: Produção Agrícola Municipal, IBGE, 2014.
Grandes Regiões, Unidades da
Federação e principais produtos
Quantidade
produzida (t)
Brasil (Total) 194.572.586
Mato Grosso 47.369.203
Paraná 35.900.112
Rio Grande do Sul 28.799.468
Goiás 19.742.503
Mato Grosso do Sul 14.971.983
Minas Gerais 11.707.393
Demais Unidades da Federação 36.081.924
Grandes Regiões
Centro-Oeste 82.991.297
Sul 71.037.697
Nordeste 71.037.697
Sudeste 16.226.750
Norte 17.976.422
Principais produtos
Soja (em grão) 86.760.520
Milho (em grão) 79.877.714
Arroz(em casca) 12.175.602
Algodão Herbáceo (caroço) 2.584.425
Feijão (em grão) 3.294.586
Trigo (em grão) 6.261.895
6
Sorgo granífero (em grão) 2.279.114
Amendoim (em casca) 402.626
Aveia (em grão) 432.136
Cevada (em grão) 251.539
Girassol (em grão) 158.563
Mamona (em baga) 37.582
Triticale (em grão) 51.832
Centeio (em grão) 4.452
A soja é a principal cultura encontrada com participação de 44,6% na produção. O milho
ocupa o segundo lugar com 27,6% de participação, procedido pelo arroz com 4,1%. Essas três
culturas, juntas, representam 91,9% da produção. Para fins de análise, o arroz será excluído devido
a sua baixa representatividade perante as culturas da soja e do milho. Salienta-se que entre os anos
de 2004 e 2014, esse grupo de culturas cresceu, com maior ênfase a partir do ano de 2010,
conforme o Gráfico 1, reforçando a escolha dessas culturas para o estudo.
Gráfico 1 - Quantidade produzida, área plantada e valor da produção de cereais, leguminosas
e oleaginosas - Brasil - 2014. FONTE: Produção Agrícola Municipal, IBGE, 2014.
De acordo com o Anuário Estatístico do Agronegócio (Brasil, 2010c), o Brasil é o terceiro
maior produtor mundial de milho. A cultura do milho teve seu plantio em 5.165 municípios
brasileiros e compreende a maior abrangência nacional dentre as culturas analisadas. A Tabela 3,
apresenta as principais Unidades da Federação e os 20 municípios com as maiores produções de
milho, em ordem decrescente de quantidade produzida (t).
7
Tabela 3 - Principais Unidades da Federação e os 20 municípios com as maiores produções
de milho, em ordem decrescente de quantidade produzida (t) - 2014. FONTE: Produção Agrícola
Municipal, IBGE, 2014.
Principais Unidades da Federação e
os 20 municípios com as maiores
produções de milho
Quantidade
Produzida (t)
Participação no
total da produção
nacional (%)
Brasil 79.877.714 100
Mato Grosso 18.071.316 22,6
Paraná 15.823.241 19,8
Goiás 9.088.029 11,4
Mato Grosso do Sul 8.251.121 10,3
Minas Gerais 6.966.931 8,7
Rio Grande do Sul 5.389.520 6,7
Demais Unidades da Federação 16.287.556 20,4
20 municípios com as maiores produções de milho
TOTAL 17.682.370 22,1
Sorriso - MT 2.007.720 2,5
Jataí - GO 1.476.000 1,8
Rio Verde - GO 1.234.500 1,5
Maracaju - MS 1.082.940 1,4
Nova Mutum - MT 997.860 1,2
Cristalina - GO 993.000 1,2
Nova Ubiratã - MT 943.200 1,2
Sapezal - MT 863.700 1,1
Campo Novo do Parecis - MT 805.200 1,0
Sidrolândia - MS 799.440 1,0
Lucas do Rio Verde - MT 765.600 1,0
Ponta Porã - MS 723.600 0,9
Primavera do Leste - MT 704.652 0,9
Brasília - DF 666.390 0,8
São Desidério - BA 657.275 0,8
Dourados - MS 650.600 0,8
Montividiu - GO 627.300 0,8
Campos de Júlio - MT 581.713 0,7
Campo Verde - MT 581.580 0,7
São Gabriel do Oeste - MS 520.100 0,7
Demais municípios 62.195.344 77,9
8
Dos 20 munícipios mais representativos quanto a produção de milho, 9 estão localizados no
Estado de Mato Grosso (Tabela 3) e, juntos, produziram 8.622.613 toneladas de milho no ano de
2014 (ou 10,79% da produção nacional de milho). Por esta razão, irão compor a base dos
municípios de estudo deste trabalho quanto a geração de resíduos pela cultura do milho.
A soja, com produção recorde, totalizou o valor de 86,8 milhões de toneladas produzidas em
2014. Destas, mais de 26,4 milhões foram produzidas no Estado de Mato Grosso, o estado com
maior produção dessa cultura, conforme a Tabela 4.
Tabela 4 - Principais Unidades da Federação e os 20 municípios com as maiores produções
de soja, em ordem decrescente de quantidade produzida, em toneladas - 2014. FONTE: Produção
Agrícola Municipal, IBGE, 2014.
Principais Unidades da Federação e
os 20 municípios com as maiores
produções de soja
Quantidade
Produzida (t)
Participação
no total da
produção
nacional
(%)
Brasil 86.760.520 100,0
Mato Grosso 26.495.884 30,5
Paraná 14.913.173 17,2
Rio Grande do Sul 13.041.720 15,0
Goiás 8.939.560 10,3
Mato Grosso do Sul 6.339.396 7,3
Minas Gerais 3.345.549 3,9
Demais Unidades da Federação 13.686.248 15,8
Os 20 municípios com as maiores produções de soja
Total 17.808.392 20,5
Sorriso - MT 1.981.800 2,3
Nova Mutum - MT 1.209.330 1,4
Sapezal - MT 1.196.244 1,4
Campo Novo do Parecis - MT 1.194.288 1,4
Nova Ubiratã - MT 1.018.890 1,2
Querência - MT 970.536 1,1
Formosa do Rio Preto - BA 959.812 1,1
Diamantino - MT 958.594 1,1
Primavera do Leste - MT 784.680 0,9
Jataí - GO 767.280 0,9
Rio Verde - GO 750.000 0,9
9
São Desiderio - BA 720.228 0,8
Lucas do Rio Verde - MT 718.903 0,8
Maracaju - MS 696.600 0,8
Canarana - MT 678.640 0,8
Cristalina - GO 657.277 0,8
Campo Verde - MT 652.080 0,8
Brasnorte - MT 650.220 0,7
Paranatinga - MT 638.400 0,7
Campos de Júlio - MT 604.300 0,7
Demais municípios 68.952.128 79,5
Com relação as principais Unidade da Federação, dos 20 municípios com as maiores
produções de soja, 14 estão localizados no Estado de Mato Grosso e, juntos, produziram
13.256.905 toneladas de soja no ano de 2014 (ou 15,27% da produção nacional de soja) (Tabela
4). A produção desses 14 municípios é maior que toda a produção do Estado do Rio Grande do
Sul. Assim, esses municípios também serão utilizados como parâmetros deste estudo.
GERAÇÃO DE RESÍDUOS SÓLIDOS PELO SETOR AGROINDUSTRIAL
Os resíduos agrícolas compreendem o material resultante das colheitas das culturas e
produções agrícolas. Sua utilização para outros fins, quando destinados ao descarte, irão
contribuir de maneira positiva em seu impacto no meio ambiente e na sociedade. São constituídos
por cascas, folhas e hastes das plantas. Seu potencial energético é referenciado por parâmetros
como o poder calorífico, densidade energética e composição química (RODRIGUES, 2009).
Devido a menor umidade contida no material, apresenta maior potencial energético que o contido
no material colhido.
Conforme já tratado, foram levantados os dados sobre a produção agrícola brasileira com o
objetivo de, nas próximas etapas deste trabalho, estimar as quantidades aproximadas de resíduos
sólidos gerados pela atividade do setor. Durante este levantamento de dados, não foi possível
quantificar a porcentagem de resíduos gerados nas etapas de cultivo e colheita das culturas, pois
não foram encontrados estudos consistentes sobre o tema. Os dados disponibilizados pelo
Instituto Brasileiro de Geografia e Estatística (IBGE), revelam os dados da produção das
diferentes culturas agrícolas no Brasil, que possibilitam realizar uma estimativa da geração de
resíduos. Matos (2005) afirma que a produção de resíduos agrícolas é dependente do tipo de
espécie cultivada, da fertilidade do solo, condições climáticas, disponibilidade de águas e chuvas,
entre outros. As ausências destas estimativas não representam um problema para o estudo, uma
10
vez que os resíduos referentes a etapa da colheita são amplamente utilizados nas próprias áreas
de produção como complemento nutricional (composto orgânico), incorporado novamente os
nutrientes no solo.
Entretanto, a Associação Brasileira de Industrias de Biomassa – ABIB (2011), em seu estudo,
revela um fator residual de 58% com relação ao processamento do milho. Ou seja, os 9 municípios
mais representativos localizados no Estado de Mato Grosso geraram estimados 5.001.115
toneladas de resíduos relacionados a essa cultura em 2014.
Matos (2005) estima que a cultura da soja produza 2.700 toneladas de resíduos para cada
1.000 toneladas de grãos colhidos. O fator residual de processamento dessa cultura é então da
ordem de 73%. Assim, no ano de 2014, estima-se que os 14 municípios com as maiores produções
de soja para o Estado do Mato Grosso foram responsáveis por gerar o montante de 9.677.540
toneladas de resíduos provenientes da soja.
Para se ter uma estimativa inicial, iremos assumir que os resíduos totais, ou 14.678.655
toneladas, são homogêneos e possuem poder calorífico de 3.500 kcal/kg. Este valor, em termos
médios, representa um potencial de geração de 1.037 MW médios de energia, para uma usina
operando 24 horas durante um ano inteiro e 15% de eficiência de conversão energética.
1.2 OBJETIVO
Portanto, este projeto tem por objetivo principal definir opções de viabilidade para uma
solução ótima da localização e quantidade de biomassa processada por plantas termoelétricas de
combustão direta, pirólise e gaseificação pela utilização de resíduos sólidos resultantes de
processos das culturas do setor agroindustrial no Estado de Mato Grosso.
1.2.1 OBJETIVOS ESPECÍFICOS
i. Caracterizar o cenário brasileiro, em específico a região Centro-Oeste, quanto à
geração de resíduos agroindustriais;
ii. Quantificar as culturas mais expressivas com maiores potenciais de geração de
resíduos sólidos gerados pelo setor agroindustrial;
iii. Quantificar o potencial total de geração de energia a partir da biomassa potencial
resultante do levantamento anterior;
iv. Otimizar a cadeia logística de densificação da biomassa para produção de energia
elétrica em plantas termoelétricas.
11
2 ESTADO DA ARTE CIENTÍFICO
Este projeto irá abordar potenciais fontes de biomassa sólida e suas respectivas rotas
tecnológicas aplicadas a processos de densificação e conversão térmica dessa biomassa.
Entretanto, realizou-se uma um levantamento sobre estudos que envolvam estes temas. Os
gráficos a seguir demonstram a evolução dos estudos sobre o tema nos últimos 20 anos, momento
em que a busca por fontes renováveis de energia se aqueceu nas últimas décadas e o preço do
barril de petróleo e seus derivados encareceram.
R² = 0,9942
0
500
1000
1500
2000
2500
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Evolução da quantidade de artigos publicados com as tags: agriculture residues, energy. FONTE:
www.sciencedirect.com (jun/2015)
R² = 0,995
0
1000
2000
3000
4000
5000
6000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Evolução da quantidade de artigos publicados com as tags: agriculture
waste, energy. FONTE: www.sciencedirect.com (jun/2015)
12
Pela evolução de publicações sobre resíduos agrícolas e energia considera-se que o evolui
substancialmente nos últimos 5 anos. E, entende-se que assunto é importante para a sociedade,
pois visa buscar soluções alternativas para o destino de resíduos como rota de fornecimento de
energia, geração de subprodutos com valor agregado, potencial substituto dos combustíveis
fósseis e de contribuição a solução de problemas ambientais. No entanto, até o momento, foi
identificado apenas um artigo “ A fuzzy multiple-objective approach to the optimization of
bioenergy system footprints “, de Raymond R. Tan publicado no ano de 2009 (Science Direct)
que combina as palavras chaves otimização, multiobjetivo e bioenergia. Assim, a otimização
multiobjetivo será introduzida como o processo de busca pela melhor solução possível (solução
ótima) para o problema em estudo com intuito de atender critérios previamente estabelecidos.
Adisa Azapazic, “Linear Programmin as a Tool in Life Cycle Assessmetn” (1988), e Roland Crift,
“The Chemical Engineer, A Plea for Common Sense (and Biomass)" são nomes importantes nas
discussões de questões cientificas sobre a compreensão do conceito de sustentabilidade. Isto é,
como a ciência e a tecnologia podem ser utilizadas para o desenvolvimento sustentável de uma
sociedade, utilizando ferramentas de otimização multiobjetivo, para influenciar políticas que irão
moldar um futuro sustentável.
13
3 CONTEXTUALIZAÇÃO TECNOLÓGICA
3.1 BIOMASSA
O termo biomassa está relacionado a matéria orgânica gerada a partir da fotossíntese com
potencial de conversão em outras formas de energia. São considerados biomassa os produtos,
resíduos e subprodutos advindos das atividades rurais, urbanas e industriais como, por exemplo,
resíduos florestais, resíduos agrícolas, dejetos de animais e a matéria orgânica presente nos
descartes industriais e urbanos. Essa matéria orgânica possui a energia química adquirida através
da transformação da radiação solar em matéria orgânica. Esta energia pode ser liberada
diretamente através da combustão ou pode ser transformada, a partir de distintos processos, em
distintos produtos energéticos como carvão vegetal, óleos vegetais combustíveis, etanol, gases
combustíveis e de sínteses, entre outros. Portanto, como pode-se observar, há uma vasta
quantidade e variedade de formas de biomassa em todo o mundo.
Em seu livro, Wood Energy: principles and applications, Nogueira e Lora (2002) afirmam
que os recursos energéticos de biomassa podem ser classificados em 3 grandes grupos, de acordo
com a origem da matéria pela qual são constituídos: a biomassa energética florestal
(biocombustíveis originário da madeira)(nota: optou-se aqui por não se traduzir ipsis litteris as
expressões apresentadas no livros, mas sim utilizadas no Plano Nacional de Energia do MME) ,
a biomassa energética agrícola (biocombustíveis de plantações não florestais) e os rejeitos
urbanos.
1. Biomassa energética florestal: abrange os biocombustíveis originados de recursos
florestais. Podem ser produzidos e obtidos, de maneira sustentável, através da
cultivação ou de florestas nativas, a partir do desflorestamento do espaço destinado a
áreas de agropecuária ou de atividades que utilizam ou processam madeira para fins
não energéticos, como indústrias de papel e celulose. A energia obtida desse tipo de
biomassa é basicamente associada à celulose e à lignina contidas nessas matérias
orgânicas. Preferencialmente, adota-se rotas tecnológicas de transformação
termoquímica simples, como a combustão direta e a carbonização. No entanto
também são aplicadas rotas mais complexas como carvão vegetal, licor negro
(produto obtido a partir da indústria de celulose), metanol, etanol, entre outros;
2. Biomassa energética agrícola: Esses biocombustíveis são constituídos pelos restos de
plantes não aproveitados comercialmente nas colheitas anuais (MATOS, 2005).
Assim, há vários tipos de produtos que são obtidos de atividades relacionadas à
produção e processamento de produtos agrícolas, mas que, muitas vezes, são
14
erroneamente denominados de resíduos. Podem ser divididos em duas subcategorias
devido à rota tecnológica:
a. Culturas agroenergéticas: utilizam principalmente rotas de transformações
biológicas físico-químicas utilizadas na produção de combustíveis líquidos.
Como biodiesel, etanol e outros óleos vegetais diversos. Exemplos dessas
culturas são a cana-de-açúcar, o milho, a beterraba, o amendoim, a soja, entre
outros.
b. Subprodutos das atividades agrícolas, agroindustriais e da produção animal:
Esses subprodutos são derivados das atividades agrícolas, da produção de
produtos de origem animais e agroindustriais. Muitas vezes estes são tratados
como material residual mas possuem grande potencial energético. As rotas
tecnológicas utilizadas são variadas: transformação termoquímica, através da
combustão direta, pirólise ou gaseificação; até mesmo transformações
biológicas e físico-químicas. Como exemplo, há a casca de arroz, a castanha
de caju e esterco animal.
3. Rejeitos urbanos: Os biocombustíveis dessa categoria podem apresentar diversas
origens, como os resíduos das podas de árvores. O uso desses resíduos com finalidade
energética pode ter também um viés ambiental benéfico. O seu processo de conversão
em outros produtos energéticos é definido a partir do grau de umidade. Pode utilizar
a combustão direta, a gaseificação, transformação termoquímica e digestão
anaeróbica.
3.2 TECNOLOGIAS DISPONÍVEIS
Para gerar energia elétrica a partir da biomassa, esta passa por alguns processos de
transformações variados. Para entender como acontece a geração de energia, é importante
compreender os possíveis processos e tecnologias envolvidas na transformação da biomassa, ou
seja, conhecer as rotas tecnológicas utilizadas, além da análise econômico-financeira do
empreendimento e dos impactos ambientais das atividades envolvidas (MAFFIOLETTI, 2013).
O aproveitamento da biomassa pode ser feito por meio da combustão direta, de processos
termoquímicos (gaseificação, pirólise, liquefação e transesterificação) ou de processos biológicos
(ANEEL, 2005). A Figura 2 apresenta os principais processos de conversão da biomassa em
energéticos.
15
Figura 1 - Diagrama esquemático dos processos de conversão energética da biomassa.
Fonte: Atlas de Energia Elétrica do Brasil 2003 – ANEEL
A conversão do tipo termoquímica compreende a combustão direta, carvoejamento,
torrefação, pirólise e gaseificação. A conversão físico-química compreende a prensagem,
extração e esterificação. Já a conversão biológica consiste da digestão anaeróbica, fermentação e
hidrólise. A biomassa pode ser convertida em combustíveis sólidos, líquidos, gasosos e na forma
de calor. Os combustíveis sólidos são utilizados em ciclos a vapor para geração de calor, os
combustíveis líquidos podem ser utilizados em processos de combustão interna, externa ou em
turbinas a gás; os gasosos podem ser utilizados em turbinas a gás para geração de eletricidade,
como pode ser visto na Figura 1.
A ERB (Energias Renováveis do Brasil) indica que, a partir de uma avaliação logística inicial,
a compactação da biomassa melhora a relação da eficiência energética em função da distância
percorrida entre fornecedor e consumidor. Assim, a transformação da biomassa em pelletes é
indicada, principalmente, as usinas cuja operação ocorre a grandes distâncias da área de coleta
dos resíduos sólidos da agricultura, pois o pellet possui maior densidade energética (ERB, 2015).
Assim, aara potencializar o uso da biomassa é interessante analisar se há necessidade de
densificação da matéria orgânica antes que seja feita a conversão termoquímica, bioquímica ou
físico-química.
16
3.3 TECNOLOGIAS DE DENSIFICAÇÃO ENERGÉTICA DE BIOMASSA
O processo de densificação é comumente realizado antes da biomassa ser transformada. O
processo de densificação mecânico, as vezes aliado a aquecimento, promove a densificação de
matéria, uniformizando-a quanto à forma, e reduz o teor de umidade. O efeito é o aumento da
densidade energética e poder calorífico, e redução de custos quanto ao manejo e transporte devido
a facilidade de manuseio e armazenamento da biomassa. Esse processo também torna mais
eficiente o uso da biomassa como combustível, uma vez que quanto menor a umidade presente,
melhor a eficiência energética do sistema, pois menor é a energia necessária para se evaporar a
água contida na biomassa. Os métodos de densificação mais utilizados para fins de geração de
energia são: peletização, briquetagem e torrefação.
3.3.1 Peletização
Figura 2 - Pellets. FONTE: Site Balkangrain
A peletização consiste na compactação da biomassa a altas pressões para obtenção dos
“pellets”. Os "pellets" são cilindros (Figura 2) que se apresentam em pequenas dimensões
(diâmetro de 5 a 18 mm) e comprimento (até 40 mm) (Bezzon, 2006).
17
Antes que a biomassa seja inserida no processo de peletização, é necessário a secagem da
biomassa, exigindo umidade entre 15 e 20% b.u1. Há três tipos de prensa que podem ser utilizadas
quanto a acionamento e matriz: prensa de pistão com acionamento mecânico ou hidráulico, a
prensa com matriz anular ou em forma de disco, e a prensa de extrusão. A prensa mais utilizada
é a de matriz anular. Nela, a biomassa é comprimida entre um cilindro e um anel com furos radiais.
(Bezzon, 2006)
Figura 3 - Prensa de matriz anular. FONTE: Site Akahl
3.3.2 Briquetagem
A briquetagem é o processo mais difundido na densificação de biomassa para obtenção de
combustíveis sólidos. Nesse processo, a biomassa é comprimida em cilindros com 4 a 10 cm de
diâmetro e comprimento variando 10 a 40 cm, conhecidos por “briquetes” (Bezzon, 2006).
O processo de prensagem utiliza muita energia devido ao trabalho de compressão pelo
equipamento e, por isso, é realizado o pré-aquecimento da biomassa, reduzindo a umidade e o
esforço na prensagem, uma vez que ela é viscoelástica e o equipamento tem maior facilidade para
1 Base úmida (b.u.)
b.u. = água / (água + matéria seca)
Em transações comerciais são normalmente expressas em porcentagem:
%b.u. = (água / (água + matéria seca)) *100
18
trabalhar a matéria orgânica. O produto obtido é o briquete (pré-pirolisado) com teores de voláteis
e carbono fixos próximos aos do insumo original, e poder calorífico ligeiramente superior
(Zhanbin, 2003).
Os briquetes a quente podem substituir a lenha em suas diversas aplicações. Este, quando de
origem vegetal, através de pirólise, pode ser transformado em um coque vegetal consistente, de
formas e dimensões variadas, com a possibilidade de substituir em parte o carvão vegetal e o
coque metalúrgico importado em siderurgias e em outras aplicações energéticas. (Bezzon, 2006)
A briquetagem pode ser realizada com ou sem aglutinante. O aglutinante é um recurso
utilizado no material não deformável (fino de carvão vegetal) sem qualquer mecanismo de ligação
quando compactado e, após a compactação, resulta na maior adesão das partículas, promovendo
maior resistência mecânica ao briquete, uma vez que o transporte e manejo exige tal característica
(OLIVEIRA, 2013).
Os três principais tipos de processos de briquetagem são:
• Briquetagem em prensas de rolos: o material flui continuamente, entre dois rolos
paralelos, com cavidades ou moldes dispostos em sua superfície, de tamanho e forma adequados,
girando com a mesma velocidade de rotação, porém com sentidos opostos, para que não haja
deslizamento ou acúmulo de material;
• Briquetagem por extrusão contínua (Figura 4): possui acionamento por parafuso sem-fim,
no qual, à medida que o eixo gira, o material é comprimido, saindo por uma abertura menor que
a de entrada. Ao fim, há uma guilhotina que, de acordo com o fluxo de material, possui uma
velocidade de corte para garantir a uniformidade dos comprimentos dos briquetes; (Carvalho &
Brinck, 2004)
• Briquetagem em prensas hidráulicas: os moldes são preenchidos de forma intermitente, e
por afastamento e aproximação das superfícies de pistões, o material é compactado em uma
cavidade.
19
Figura 4 - Processo de briquetagem por extrusão contínua.
A briquetagem pode ser feita a quente, a temperaturas de pré-pirólise – 200 a 270⁰C – para
que a pressão exercida para conseguir uma consistência satisfatória seja menor. Esse processo
reduz a umidade do material. É recomendável que a torrefação seja realizada em atmosfera inerte
ou redutora para evitar oxidação ou ignição do material.
A briquetagem também pode ser feita a frio, de modo a obter aglomerados que devem
apresentar resistência adequada para manuseio/movimentação e estocagem.
3.3.3 Torrefação
A torrefação da biomassa consiste no seu aquecimento a temperaturas entre 200⁰C a 280⁰C
(DAHLQUIST, 2013), que remove a umidade e degradando a hemicelulose e resulta na liberação
de compostos de baixo poder calorífico. O objetivo da torrefação é produzir um material de alta
densidade energética (retenção de voláteis de maior poder calorífico), hidrofóbico
(transformações físico-químicas fazem com que o material torrefado absorva menos água, tendo
umidade de aproximadamente 3%) e com bom balanço de durabilidade versus friabilidade (apesar
de friável, o material torrefado é menos friável que o carvão mineral, sofre, assim, menos perdas
na forma de finos) em curto tempo, com baixas taxas de aquecimento e temperaturas moderadas.
Noronha (2010) aponta que o material torrefado tem características intermediárias entre a
biomassa original e o carvão vegetal.
O rendimento gravimétrico da torrefação se situa ente 60 a 80%, variando com a temperatura
do processo. Felfli (1999) verificou em experimentos que o tempo de residência pouco influencia
20
no poder calorífico resultante, porém o aumento da temperatura gera significante aumento no
poder calorífico.
Os produtos da torrefação podem ser utilizados como combustível industrial – queimado em
caldeiras para produzir vapor ou na co-combustão de carvão mineral - combustível doméstico
(baixa emissão de material particulado), como redutor na indústria metalúrgica ou utilizado para
gaseificação.
Várias tecnologias de torrefação são citadas na literatura. A Figura 6 apresenta algumas dessas
tecnologias.
Figura 5 - Ilustração de algumas das tecnologias de reator utilizados para a torrefação.
FONTE: Technologies for Converting Biomass to Useful Energy: COMBUSTION,
GASIFICATION, PYROLYSIS, TORREFACTIONAND FERMENTATION, 2013.
3.4 TECNOLOGIAS DE CONVERSÃO DE BIOMASSA EM BIOENERGIA
Como visto anteriormente, são três os principais tipos de classificações de processos de
conversão de biomassa: termoquímica, bioquímica e físico-química. Estes processos de conversão
resultam em amplas variedades de produtos energéticos para geração de calor, energia elétrica e
combustível (BEN, 2015).
21
3.4.1 Conversão termoquímica
A conversão termoquímica é, em princípio, a conversão da biomassa em calor por meio da
combustão, onde ocorre a decomposição térmica da biomassa e posterior combustão dos produtos
resultantes do processo primário. A diferença entre os processos termoquímicos é associada à
quantidade de oxigênio fornecido ao processo, analisado pelo cálculo estequiométrico, sendo
classificado em combustão direta, pirólise e gaseificação, explicitadas a seguir (DINKELBACH,
2000).
Como visto anteriormente, são várias as fontes de biomassa sólida (palha e sabugo de milho,
casca de arroz, etc.) empregadas em termoelétricas para a geração de vapor ou em ciclos de
cogeração. Porém, sua viabilidade econômica está diretamente ligada à proximidade das unidades
de processamento de biomassa à fonte de produção, devido a custos de transporte, manuseio, teor
de umidade e eficiência das tecnologias das máquinas térmicas. A queima da matéria orgânica
ocorre em câmaras de combustão devido à grande diferença em relação a biomassa líquida e
gasosa.
Para a produção de energia útil em unidades de processamento de média e grande escala, o
ciclo Rankine, representado por caldeiras e turbinas a vapor; o ciclo Brayton, representado por
turbinas a gás e ciclos combinados, são os principais ciclos termodinâmicos e tecnologias
aplicadas.
A biomassa sólida é constituída por partículas de formas variadas e dimensões específicas
caracterizadas pela análise granulométrica, esfericidade e combustão. A reação química do
oxigênio com materiais combustíveis, a qual resulta em luz e rápida produção de calor, pode ser
realizada em equipamentos onde o sólido permanece em um leito fixo, ou em um leito fluidizado,
onde permanece em suspensão, ou alguma combinação dessas, de acordo com o comportamento
dinâmico das partículas sujeitas ao fluxo gasoso no interior da câmara de combustão. (BEN, 2015)
A biomassa também pode ser pré-processada por meio da gaseificação ante a combustão, pois
converte a matéria orgânica sólida em um gás energético pela oxidação parcial a alta temperatura
em gaseificadores (Figura 6).
22
Figura 6 - Esquema de gaseificadores de leito fluidizado: (a) fluidizado borbulhante e (b) de
leito fluidizado circulante. FONTE: Technologies for Converting Biomass to Useful Energy:
COMBUSTION, GASIFICATION, PYROLYSIS, TORREFACTIONAND FERMENTATION
3.4.1.1 Combustão direta
Combustão direta é o processo no qual a decomposição da biomassa e a combustão ocorrem
no mesmo reator. O oxigênio fornecido ao processo é o suficiente para a combustão completa da
biomassa. Os principais produtos são dióxido de carbono (CO2), água (H2O) e nitrogênio (N2).
Normalmente, é realizada em caldeiras e fornos para geração de vapor. Possui baixa eficiência
termodinâmica causada pela alta umidade (em torno de 20%) dos combustíveis (lenha, palha,
resíduos agrícolas) utilizados no processo (MME, 2013).
3.4.1.2 Gaseificação
Gaseificação é o processo no qual a decomposição ocorre em um ambiente separado da
combustão, onde os produtos da decomposição são utilizados em caldeiras, motores ou turbinas
a gás. O oxigênio fornecido ao processo não é o suficiente para a queima completa da biomassa.
Os principais produtos do processo são: monóxido de carbono (CO), hidrogênio (H2) e o metano
(CH4). A quantidade de ar ou oxigênio utilizado no processo irá determinar as quantidades em
proporção dos produtos (MME, 2013).
23
3.4.1.3 Pirólise
Pirólise, conhecida também por carbonização, é o processo no qual a biomassa é decomposta
em um ambiente com baixa quantidade ou ausência de oxigênio e consiste basicamente em
aquecer a biomassa (entre 300°C e 500°C) até que o material volátil seja extraído. Como resultado
deste processo, as proporções dos produtos da decomposição variam conforme a temperatura e o
tempo de residência da biomassa no reator. Estes produtos finais são: o carvão, com densidade
energética (quantidade de energia por quilo de biomassa) 25% maior que a biomassa na entrada
do processo (devido a queima da biomassa em temperaturas entre 500°C e 1.000°C); e, o gás
pirolítico (gases voláteis), com 5% a mais energia que a biomassa no início do processo. O teor
de umidade da biomassa de origem e a retirada de material volátil irão influenciar
substancialmente a proporção entre biomassa e carvão e gás (DAHLQUIST, 2013).
3.4.2 Conversão bioquímica
A conversão bioquímica é feita através de processos biológicos e bioquímicos (digestão
anaeróbica e fermentação) gerando produtos nos estados sólido, líquido e gasoso. O biogás é o
produto da digestão anaeróbica e o combustível líquido, como o etanol, é o produto da
fermentação da biomassa (DAHLQUIST, 2013).
3.4.2.1 Digestão anaeróbica
Digestão anaeróbica é o processo no qual ocorre a produção de metano (CH4), ou biogás, em
biodigestores através da degradação natural da matéria orgânica (biomassa), por meio da ação de
bactérias na ausência de oxigênio, de dióxido de carbono (CO2), com proporção de 60-35%
respectivamente, e de uma mistura de H2, N2, NH3, CO e H2S com proporção de 5%. O poder
calorífico desse gás é da ordem de 22,35 MJ/m³ com a mistura na razão de proporção de 60:35:5
(DAHLQUIST, 2013).
3.4.2.2 Fermentação alcoólica
A biomassa também pode ser fermentada para produção de etanol. Se, por hipótese, for
assumido que 50% da biomassa é celulose e que toda celulose pode ser convertida por hidrólise
em glicose, então para cada quilograma (kg), pode ser produzido 0,77 kg de etanol pela razão
estequiométrica C6H12O6 + 3 H2O [L] = 3C2H5OH + 3O2 (ou 1 kg de celulose + 0,3 kg de H20 =
0,77 kg de etanol + 0,53 de O2) (DAHLQUIST, 2013).
24
3.4.3 Conversão físico-química
A conversão físico-química utiliza técnicas de compressão para extração de óleo vegetal,
visando a transformação química posterior por meio da transesterificação. Após este processo, o
óleo fica apto a ser utilizado em motores de combustão interna baseados no ciclo diesel, embora
a utilização de óleos puros também possa ser feita, a elevada viscosidade e o baixo número de
octanas diminuem o rendimento dos equipamentos. A presença de álcool e de um catalisador
eliminam as glicerinas (VERINGA, 2000).
Assim, explicitados as tecnologias de conversão de biomassa em energia útil (por exemplo,
na forma de calor e biocombustíveis), é possível utilizar essas formas de energia para o
acionamento de equipamentos (turbinas à vapor e a gás) com vistas a produção de energia elétrica.
25
3.5 GERAÇÃO DE ENERGIA
Neste tópico serão abordados os equipamentos (turbinas a vapor e a gás) que quando
combinados as tecnologias e processos de conversão da biomassa, podem produzir eletricidade.
O calor gerado pela queima da biomassa em caldeiras pode ser utilizado para produção de
vapor d’água por meio de trocadores de calor. Já os biocombustíveis gasosos resultantes dos
processos de conversão podem ser utilizados como combustível de turbinas a gás. E,
independentemente do tipo de turbina, esta irá produzir potência em um eixo (grupo gerador) para
produção de energia elétrica.
3.5.1 Turbinas a vapor
A geração de energia elétrica em termoelétricas é realiza por meio da produção de vapor e
possui quatro principais componentes do sistema:
Caldeira;
Turbina;
Condensador;
Bomba.
O fluido de trabalho em máquinas térmicas a vapor trabalha confinado e isolado do ar e do
combustível. Este fluido, comumente a água, absorve calor na caldeira, devido ao calor gerado
pela combustão da biomassa e muda para o estado de vapor. O vapor sob alta pressão e
temperatura é conduzido até a turbina, onde expande, produzindo trabalho, e volta ao estado
inicial no condensador, rejeitando calor ao ambiente. Uma bomba, adicionada no sistema após o
condensador, conduz o vapor novamente à caldeira, reiniciando o ciclo. A Figura 7 apresenta uma
planta termoelétrica composta por caldeira (para geração de vapor), turbina à vapor para
acionamento do gerador e gerador elétrico para produção de eletricidade.
26
Figura 7 – Exemplo de uma planta de geração de energia por biomassa com turbina movida
a vapor de água. FONTE: site http://www.seropedicaonline.com/wp-
content/uploads/2014/02/cental-biomassa-calor-e-electricidade.png
3.5.2 Turbinas a gás
Turbina a gás é denominado o conjunto de três equipamentos: compressor, câmara de
combustão e turbina. Esta configuração (Figura 8) permite o uso do Ciclo de Brayton, que opera
em um ciclo aberto. Ou seja, o fluido de trabalho, normalmente o ar atmosférico, é admitido pelo
compressor, tem sua pressão elevada, mistura-se a um combustível, como o gás de síntese ou gás
natural, na câmara de combustão e realiza trabalho na turbina por meio da expansão dos gases de
combustão, resultando em potência no eixo para a geração de energia elétrica. O compressor está
ligado à turbina por meio de um eixo e utiliza parte do trabalho para compressão do ar que entra
no conjunto.
27
Figura 8 - Turbina a gás da EBX Parnaíba. FONTE: <
http://i.ytimg.com/vi/k2Y24gzaAmc/maxresdefault.jpg>
Assim, essa energia elétrica produzida por fonte renovável pode contribuir para a
diversificação da matriz energética brasileira quanto a fontes de energia exploradas. Se negociada
em leilões promovidos pela Agência Nacional de Energia Elétrica, o empreendimento pode gerar
receitas, rendas, empregos, movimentar a economia local, etc. Aliado a todos esses fatores, por
se tratar de fonte renovável, existe a possibilidade de incrementar a receita com a venda de
créditos de carbono gerados, contribuindo para que o pais reduza as emissões gases do efeito
estufa e atinja as metas dos protocolos e acordos ambientais firmados com outros países (por
exemplo, o Protocolo de Quioto). Logo, faz necessário entender o que é o crédito de carbono e
como este pode ser negociado.
3.6 MERCADO DE CARBONO
Um credito de carbono, ou compensação de carbono, é um instrumento financeiro ou uma
unidade comercial, com objetivos monetários, que representa uma tonelada de CO2 equivalente
(tCO2e). A tonelada de CO2 equivalente (tCO2e) é o total emitido em gases que contribuem para
o efeito estufa multiplicado pelo seu potencial de aquecimento global. O valor desse crédito varia
diariamente, pois sua atribuição de valor é dada por vários fatores externos. A variação é
semelhante a que ocorre em uma bolsa de valores.
Assim, o Mercado de Carbono é um campo de trocas, regulado pelo Conselho de
Desenvolvimento Limpo (MDL), que permite a países com altas emissões de carbono comprar o
“excedente” das cotas de países que produzem menos tCO2e. O MDL emite, para cada tCO2e
reduzido ou removido do meio ambiente, a Redução Certificada de Emissão (RCE) e também
28
promove projetos que visam o crescimento econômico de um país sem causar prejuízos ao meio
ambiente.
Uma expressão bastante comum no Mercado de Carbono é a cap and trade, utilizada para
nomear o processo que limita as emissões de gases. Por meio desse modelo é criada a estrutura
do mercado de carbono, pois faz com que as empresas que são grandes emissoras de gases
comprem os créditos excedentes de companhias que emitem menos. O mercado europeu utiliza a
metodologia “cap and trade”, que compreende 31 países do continente, cobrindo 45% das
emissões de gases causadores do efeito estufa na Europa. Aos participantes europeus é concedida
a permissa de compra de créditos internacionais, porém limitado a um valor máximo.
Os principais gases que agravam o Efeito Estufa são:
i. Dióxido de Carbono (C2O2), com aproximadamente 63% de contribuição (IPCC,
2007);
ii. Metano (CH4);
iii. Óxido Nitroso (N2O);
iv. Hexafluoreto de Enxofre (SF6);
v. Famílias de gases, hidrofluorcarbonos (CFC’s) e perfluorcarbonoas (PFC’s).
No Brasil, devido a regras sobre valores mobiliários, a compra e venda de créditos ocorre por
meio de leilões promovidos pela BM&FBOBESPA (Bolsa de Mercadorias e Futuros e, Valores
de São Paulo) a pedido de entidades públicas e privadas. As transações são realizadas em
ambiente eletrônico, via internet. Os leilões são modelados conforme as características especificas
da oferta. As regras adotadas em cada leilão são divulgadas por meio de anúncios públicos ou
editais. Podem participar dessas operações corretoras associadas à BM&FBOBESPA,
representando seus clientes, participantes do mercado de carbono global credenciados pela
BM&FBOBESPA, incluindo: traders do mercado de RCE e do mercado de emissões europeu,
fundos de carbono, organismos multilaterais de financiamento e entidades governamentais.
Nos Estados Unidos, existem algumas instituições que se propuseram a organizar a realização
das compras e vendas de créditos de carbono, por exemplo, a Chicago Climate Exchange – CCX
(em tradução, Bolsa do Clima de Chicago), a Regional Greenhouse Gas Initiative – RGGI (em
tradução, Iniciativa Global de Gases do Efeito Estufa) e a Western Climate Initiative – WCI (em
tradução, Iniciativa Climática do Oeste).
O CCX operou no modo cap and trade entre dezembro de 2003 e 2010 e, em 2011, lançou o
Programa de Registro de Compensações. Os membros assumiram voluntariamente o
compromisso de reduzir as emissões de gases do efeito estufa, as quais passavam a ser controladas
através de um acordo jurídico. Os membros que reduzissem as emissões abaixo das metas e
29
possuíssem permissões em excesso poderiam vendê-las ou poupa-las àqueles que não
alcançassem as metas. A RGGI foi formada pelos estados de Connecticut, Delaware, Maine,
Maryland, Massachusetts, New Hampshire, New York, Rhode Island e Vermont. A instituição
utiliza o sistema “cap and trade” e implementou, para 2014, a meta de capturar 90 milhões de
tCO2e. A WCI é composta pelo estado da Califórnia e pelas províncias canadenses de Columbia
Britânica e Quebec. A iniciativa não possui fins lucrativos e busca oferecer serviços técnicos e
administrativos para a realização do comércio referentes às emissões de gases do efeito estufa.
(Portal Brasil, 2012)
Parte deste trabalho é calcular os custos ambientais inclusos a emissão de carbono, tanto pelo
transporte da biomassa, como pela energia utilizada durante o processo de densificação. Para
quantificar financeiramente o custo do carbono, serão utilizados preços do carbono no Mercado
de Carbono varia com o dia. Esse cálculo servirá de subsídio para que países desenvolvidos
integrantes do Protocolo de Quioto (Anexo I) possam alcançar suas metas de redução das
emissões de gases do efeito estufa pela geração de créditos de carbono, além de movimentar a
economia de grandes países.
O MDL pode ser utilizado como uma ferramenta para o desenvolvimento sustentável da
agroindústria em termos de políticas de saneamento, uma vez que irá auxiliar na gestão dos
resíduos sólidos gerados por este setor. Esta ferramenta possibilita que, através de projetos de
gestão de resíduos orgânicos agroindustriais, haja uma diminuição de emissões de gases (metano,
monóxido de carbono, gás carbônico, etc.) a atmosfera e, consequentemente, redução do efeito
estufa. A produção de energia elétrica no Brasil a partir de fontes renováveis, como a biomassa,
pode beneficiar o país com créditos de carbono. Um exemplo marcante é a atual produção de
energia elétrica pela indústria do açúcar que possui alta eficiência na gestão do resíduo de bagaço
(IPEA, 2011).
30
4 OTIMIZAÇÃO LINEAR
Dentre os objetivos deste trabalho, um dos principais é propor um sistema a fim de se otimizar
a localização geográfica de usinas termoelétricas as quais utilizarão como combustível os resíduos
da agricultura das plantações de soja e milho, caracterizada por uma otimização linear. Por tanto,
faz-se necessário entender o conceito de otimização linear e a lógica por trás desta, com o objetivo
de encontrar soluções ótimas sobre o problema proposto.
A otimização é uma área da Pesquisa Operacional que utiliza um método científico para
apoiar a tomada de decisões, procurando determinar como melhor projetar e operar um sistema,
sob condições que requerem alocações de recursos escassos. Esse campo de estudos trabalha com
modelos determinísticos onde informações relevantes são assumidas como conhecidas, isentas de
incertezas. Algumas aplicações típicas são o planejamento da produção e a roteirização do
trabalho. Assim, a otimização linear é uma técnica que visa a melhor solução possível sobre
problemas em análises. Porém, é importante definir critérios de avaliação das soluções para
identificação da melhor solução, uma vez que os inputs apresentam um intervalo de valores, como
a quantidade da produção de resíduos, de modo a ser passível de execução as soluções indicando
a presença de restrições a serem respeitadas. Este critério é chamado de função de objetivo, que
busca maximizar ou minimizar (PEREIRA, 2009).
O modelo de otimização linear consistirá na programação para a otimização de uma função
linear sujeita a restrições lineares das variáveis, tendo uma função f, função objetivo, definida
pelo conjunto de soluções alternativas Ω. O problema de otimização matemática é definido por:
min f (x), x ϵ Ω (SANTOS, 2010).
4.1 REPRESENTAÇÃO DE PROBLEMAS
Equações ou inequações podem apresentar as restrições da programação linear. Barreto
(2010) define que estas restrições são representadas pela forma padrão ou canônica,
respectivamente, podendo, ainda, serem representadas por uma forma reduzida. (Tabela 5)
31
Tabela 5 – Representação de problemas na forma canônica e na forma reduzida
Forma canônica Forma reduzida
Otimizar 𝑧 = 𝑐1𝑥1 + 𝑐2𝑥2 + ⋯ + 𝑐𝑛𝑥𝑛
Sujeito a:
𝑎11𝑥1 + 𝑎12𝑥2 + ⋯ + 𝑎1𝑛𝑥𝑛 ≥ 𝑏1
𝑎21𝑥1 + 𝑎22𝑥2 + ⋯ + 𝑎2𝑛𝑥𝑛 ≥ 𝑏2
...
𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 + ⋯ + 𝑎𝑚𝑛𝑥𝑛 ≥ 𝑏𝑚
Onde 𝑥1, 𝑥2, 𝑥𝑛 ≥ 0
Otimizar
𝑧 = ∑ 𝑐𝑗𝑥𝑗
𝑛
𝑗=1
Sujeito a:
∑ 𝑎𝑖𝑗𝑥𝑗
𝑛
𝑗=1
≥ 𝑏𝑖
Onde: 𝑖 = 1,2, … , 𝑚
𝑥𝑗 ≥ 0, 𝑗 = 1,2, … , 𝑛
Onde:
- 𝑛 é o número de variáveis do problema
- 𝑚 é o número de restrições do problema
- 𝑖 é o índice de uma determinada restrição
- 𝑗 é o índice de uma determinada variável
- 𝑐𝑗 é o coeficiente (constante) da variável 𝑥𝑗 da função – objetivo
- 𝑎𝑖𝑗 é o coeficiente (constante) da variável 𝑥𝑖 da 𝑗-ésima restrição
4.2 TEORIA FUNDAMENTAL DA PROGRAMAÇÃO LINEAR
Modelos de programação linear, com no máximo três variáveis, podem ser resolvidos
graficamente de maneira mais simplista, porém não é aplicável na prática devido a problemas do
mundo real, onde há inúmeras variáveis. Assim, a solução gráfica nos ajuda a entender os
princípios básicos do método analítico usado para resolver os modelos de Programação Linear.
Esse método, conhecido por Simplex foi criado por George Dantzig, e foi aplicado no controle da
força aérea americana.
Santos (2010) apresenta o problema da mistura de uma ração, onde materiais disponíveis são
combinados para gerar novos produtos com características convenientes. É necessário saber quais
as quantidades ideais de cada ingrediente para fazer uma quantidade de ração, com as
necessidades nutricionais atendidas e o custo total dos ingredientes seja o menor possível. Temos
como ingredientes o milho (𝐴1) e a farinha de ossos (𝐴2), a um custo de R$65/kg e R$30/kg,
respectivamente. Para fazer certa quantidade de ração para aves, é preciso uma certa quantidade
de nutrientes como vitamina A (𝑉𝑎), vitamina B (𝑉𝑏) e proteína (𝑉𝑐 ). Os ingredientes apresentam
esses nutrientes em determinadas unidades (un.). Deseja-se preparar uma ração que contenha no
mínimo 7 unidades de 𝑉𝑎, 9 unidades de 𝑉𝑏 e 1 unidade de 𝑉𝑐, e determinar a quantidade dos
alimentos necessária para satisfazer as necessidades da ração. (Tab. 3)
32
Tabela 6 - Dados do exemplo: Mistura para ração
Nutrientes
Ingredientes
Quantidade
Mínima 𝐴1 𝐴2
Vitamina A 2 3 7
Vitamina B 3 2 9
Proteína 1 0 1
Custos (R$/kg) 65 30
Define-se 𝑥1 a quantidade de ingrediente do tipo 1 presente na mistura (un.), 𝑥2 a quantidade
de ingrediente do tipo 2 presentes na mistura (un.) e f a função objetivo. O custo mínimo seria
nulo se não houvesse quantidades mínimas de nutrientes a serem atendidas (Vitaminas A e B e
Proteína). O objetivo do problema é minimizar o custo total da mistura.
O modelo matemático para a solução do problema adotado propõe que
𝑓(𝑥1, 𝑥2) = 65. 𝑥1 + 30. 𝑥2 (1)
Devemos determinar 𝑥1 e 𝑥2 tal que 𝑓(𝑥1, 𝑥2) seja o menor possível.
mín 𝑓(𝑥1, 𝑥2) = 65. 𝑥1 + 30. 𝑥2 (2)
Considere que as composições sejam satisfeitas:
(3)
(4)
(5)
(6)
Como 𝑥1 e 𝑥2 precisam ser maiores ou iguais a zero, o ponto que maximiza o valor de f
estará no primeiro quadrante. Traça-se a reta referente a primeira restrição. Assim, tem-se um
conjunto de possibilidades correspondente aos pontos acima da reta da primeira restrição,
resultando em um conjunto de possibilidades para o problema. Esse conjunto de soluções é o
espaço solução.
Para encontrar o ponto ótimo, observa-se a função objetivo: 𝑓(𝑥1, 𝑥2) = 65. 𝑥1 + 30. 𝑥2.
Graficamente esta equação representa uma família de retas paralelas, ou seja, para cada valor de
f temos uma reta que será paralela a qualquer outra para outro valor de f, inclusive para aquela
33
com o valor ótimo. Como queremos minimizar valor de f, traça-se a paralela mais baixa possível,
que toque, pelo menos, um ponto do espaço solução. Este ponto é a solução ótima.
O Teorema Fundamental da Programação Linear diz que: uma vez que todas as equações e/ou
inequações envolvidas são lineares, o valor ótimo da função-objetivo só pode ocorrer em um dos
vértices da região das restrições (Figura 9) (Nogueira, 2009).
Figura 9 - Solução gráfica do problema em questão. Fonte: Santos, 2010.
34
4.3 DUALIDADE
Dualidade se refere ao fato de o Modelo de Programação Linear possuir duas formas de ser
compreendido. A primeira forma, ou original, é chamada de primal e, a segunda forma, de dual.
As propriedades das formas são linearmente dependentes. Como resultado, dada a solução ótima
de uma das formas do modelo, encontra a solução ótima da outra forma devido a dependência
entre si.
A solução do chamado modelo dual fornece informações significativas sobre questões
econômicas presentes no Modelo de Programação Linear.
4.3.1 Modelo primal e dual
Consideramos o seguinte par de modelos de Programação Linear (Tabela 7):
Tabela 7 - Modelos Primal e Dual
(MAX) Z = 4 𝑥1 + 5𝑥2 + 9𝑥3
𝑥1 + 𝑥2 + 2𝑥3 ≤ 16
7𝑥1 + 5𝑥2 + 3𝑥3 ≤ 25
𝑥1; 𝑥2; 𝑥3 ≥ 0
(MIN) Y = 16𝑦1 + 25𝑦2
𝑦1 + 7𝑦2 ≥ 4
𝑦1 + 5𝑦2 ≥ 5
2𝑦1 + 3𝑦2 ≥ 9
𝑦1; 𝑦2 ≥ 0
O primeiro modelo será chamado de Primal e o segundo de Dual. O inverso também pode ser
adotado sem prejudicar o fim. Analisando superficialmente os dois modelos, pode-se observar a
dependência entre si. Assim, as constantes da coluna do modelo Primal são os coeficientes da
função objetivo do modelo Dual. Os coeficientes da primeira linha do modelo Primal (1,1,2) são
os coeficientes da primeira coluna do modelo dual e, assim, por diante. Portanto, dado um modelo,
podemos construir outro. Mais à frente, será mostrado como construir novos modelos.
4.3.2 Teorema dual
Considerando ainda o par de modelos apresentado no capítulo anterior, suponha que as
variáveis 𝑥1, 𝑥2 e 𝑥3 sejam valores aplicados ao modelo Primal e 𝑦1 e 𝑦2 valores aplicados ao
modelo dual. Se multiplicarmos a primeira restrição do modelo primal por 𝑦1 e a segunda restrição
por 𝑦2 , e somar as duas equações, temos:
𝑦1𝑥1 + 𝑦1𝑥2 + 2𝑦1𝑥3 + 7𝑦2𝑥1 + 5𝑦2𝑥2 + 3𝑦2𝑥3 ≤ 16𝑦1 + 25𝑦2 (7)
35
Da mesma forma, se multiplicarmos a i-ésima restrição do modelo dual por 𝑥𝑖 e somarmos 3,
teremos:
𝑥1𝑦1 + 7𝑦2𝑥1 + 𝑦1𝑥2 + 5𝑦2𝑥2 + 2𝑦1𝑥3 + 3𝑦2𝑥3 ≥ 4𝑥1 + 5𝑥2 + 9𝑥3 (8)
Observando a equação resultante, os lados esquerdos das duas inequações são iguais. Assim,
podemos escrever da seguinte forma:
16𝑦1 + 25𝑦2 ≥ 4𝑥1 + 5𝑥2 + 9𝑥3 ou Y ≥ Z (9)
O resultado explica que o valor da função objetivo de uma solução praticável de um dos
modelos impõe um limite para qualquer outra solução praticável do outro modelo. Qualquer
solução praticável para o modelo Primal será menor ou igual a 75 e, qualquer solução praticável
para o dual, será maior ou igual a 32. A solução ótima será aquela em que
𝑌 = 𝑍 (10)
A partir da solução, o Teorema Dual denota que tanto o modelo Primal, quanto o modelo
Dual, possuem soluções praticáveis em que
Y* = Z* (11)
Ou seja, os valores ótimos dos dois modelos são iguais.
Um corolário deste Teorema mostra que, se um dos modelos tem solução ilimitada, então o
outro modelo não tem solução praticável. Pois, caso tivesse, seria uma contradição ao exposto
anteriormente. Logo, se um dos modelos tem solução ótima ilimitada (Z* ou Y* = ±∞), então
o outro modelo não tem solução praticável.
4.3.3 Relação entre o modelo primal e dual
O quadro a seguir estabelece a relação direta entre as propriedades relativas aos problemas
Primal e Dual (Tabela 8):
Tabela 8 - Relação entre modelo Primal e Dual
36
4.3.4 Valor ótimo do modelo dual em termos de economia
O significado de valor ótimo das variáveis duais pode ser interpretado como sendo os preços
(“Shadow Prices”, dual, valor incremental, “efficiency price”, valor implícito, etc.) que alguém
estaria disposto a pagar por unidades adicionais dos recursos envolvidos nas restrições do Modelo
Primal.
O shadow price é a utilidade marginal de relaxar a restrição ou, de forma equivalente, o custo
marginal de reforçar a restrição, obtida através do relaxamento de uma restrição por uma unidade,
demonstra a variação do valor objetivo (mínimo ou máximo de f) da solução ótima de um
problema de otimização. Uma vantagem dessa interpretação é cercar a solução ótima.
4.3.5 Imposto de Pigou
Imposto de Pigou, ou Taxa de Pigou, foi proposto por Arthur C. Pigou que, em 1920, no seu
livro “Economics of Welfare” propôs um imposto como meio idôneo para se chegar ao equilíbrio
entre o custo social e o custo privado. A internalização fiscal, de tipo Pigouviano, consiste em
fazer através do agente emissor de gases do efeito estufa, no caso em estudo as usinas produtoras
de energia por biomassa, uma taxa igual ao montante da deseconomia devido a sua atividade, de
forma que o lucro marginal diminua.
O modelo de otimização linear utilizado permite definir o Imposto Pigouviano Ótimo igual
ao custo externo marginal, isto é, igual ao dano causado por uma unidade marginal devido a
poluição, no nível ótimo desta, levando as forças de mercado a atingirem uma alocação eficientes
dos recursos.
4.4 EXEMPLO APLICADO A UM PROBLEMA DE TRANSPORTE
O problema do transporte consiste em transportar itens de centros de origens a centros de
destinos. São dados conhecidos do problema: o custo de transporte de cada item, as quantidades
dos itens disponíveis em cada centro e as demandas de cada consumidor. O transporte deve ser
efetuado de modo que as limitações de oferta em cada centro sejam respeitadas e a demanda de
cada mercado atendida e o custo total de transporte seja mínimo. (Sousa, 2010)
Considere, para o entendimento básico de otimização linear, o seguinte problema do
transporte adaptado de Dantzig, 1963. Suponha que existam duas plantas de enlatamento de
conservas (representadas pelo índice i), e três mercados alvo (representados pelo índice j); e
deseja-se transportar caixas de conserva das plantas até os mercados. Suponha também que se
conheçam dados de distância (das plantas i até os mercados j), frete (por caixa transportada),
37
capacidades das plantas e demanda do mercado; e deseja-se minimizar o custo de transporte
(Tabela 9).
Tabela 9 - Dados do problema de transporte
Plantas Distâncias (x1000 km) Oferta
(caixas)
Mercados
Nova York Chicago Topeka
Seattle 2,5 1,7 1,8 350
San Diego 2,5 1,8 1,4 600
Demanda 325 300 275
Para solucionar o problema, determinam-se equações para o custo por caixa transportada
(distâncias de i a j multiplicadas pelo frete) e o custo total (custo por caixa multiplicado pelas
quantidades de caixas) e restringe-se o problema com os dados de oferta e demanda. Isto é: todas
as quantidades transportadas de i a j devem ser menores ou iguais à capacidade disponível das
plantas e maiores ou iguais às demandas existentes. Nesse problema, o custo total deve ser
minimizado e, para isso, o valor de caixas transportadas de i a j é uma variável do problema.
Com a introdução de dados no problema, as equações (11), (12), (13) e (14) o resolvem.
𝑐𝑖𝑗 =𝑓 ∗ 𝑑𝑖𝑗
1000 (12)
∑ 𝑥𝑖𝑗
𝑗
≤ 𝑎𝑖 (13)
∑ 𝑥𝑖𝑗
𝑖
≥ 𝑏𝑗 (14)
38
Minimizar 𝑧 = ∑ ∑ 𝑐𝑖𝑗𝑗 𝑥𝑖𝑗𝑖 (15)
Os termos das equações são explicados na Tabela 10.
Tabela 10 - Dados e variáveis do problema
Definição Símbolo
Plantas de enlatamento 𝑖
Mercados 𝑗
Capacidade das plantas 𝒊 (em caixas) 𝑎𝑖
Demanda do mercado 𝒋 (em caixas) 𝑏𝑗
Quantidade de remessas (em caixas) 𝑥𝑖𝑗 ≥ 0
Frete (por caixa) 𝑓
Distâncias 𝑑𝑖𝑗
Custo de transporte por caixa (em
milhares de dólares) 𝑐𝑖𝑗
Custo total de transporte 𝑧
A função objetivo do problema é a função 𝑧, as equações (11), (12) e (13) são funções de
restrição. A partir da formulação acima do problema, e utilizando os dados da Tabela 6, chega-se
a um resultado ideal (Tabela 11), isto é, de menor custo dentro das restrições existentes.
Tabela 11 - Quantidades transportadas ótimas (em nº de caixas)
Nova York Chicago Topeka
Seattle
San Diego
50
275
300
0
0
275
39
Os custos marginais, ou shadow costs, são apresentados na Tabela 12. Esta indica que é ótimo
não enviar nenhuma quantidade de Seattle a Topeka, mas caso se insista em enviar uma caixa,
será adicionado um valor de $0,036 ao custo ótimo e custando $0,009 no caso de San-Diego a
Chicago.
Tabela 12 - Custos marginais
Chicago Topeka
Seattle 0,036
San-Diego 0,009
4.5 O PROGRAMA GAMS
O problema de otimização proposto neste trabalho será traduzido à linguagem do
programa GAMS, para que este seja capaz de realizar a otimização de equações lineares e fornecer
os resultados do problema. A sintaxe do programa deve ser bem entendida, para que seja realizada
a representação matemática do problema no programa.
O software Generalized Algebric Modeling System – GAMS – em português, “Sistema
Algébrico de Modelagem Geral” foi projetado especificamente para modelagem linear, não linear
e problemas de otimização inteira mista. O sistema é, especialmente, útil com problemas
complexos. Permite também ao usuário se concentrar no problema de modelagem, realizando
uma simples configuração. O sistema cuida dos detalhes mais demorados de implementação
específica de software da máquina e do sistema. Também é útil para o tratamento de tarefas
grandes e complexas, problemas one-of-a-kind que podem exigir muitas revisões para estabelecer
um modelo exato. O sistema modela problemas de uma forma altamente compacta e natural.
Outro recurso é a possibilidade de o usuário alterar a formulação rápida e mudar de um solver
para outro, e, até mesmo, converter de linear para não-linear com pouca dificuldade.
Para entender a linguagem do programa GAMS, pode-se dividir a estrutura de resolução
de um problema de otimização nas seguintes partes:
Sets (índices);
Dados
o Parameter (parâmetro);
o Table (tabela);
o Scalar (escalar);
Variables (variáveis);
Equations (equações);
Model (modelo);
40
Solve (resolver);
Display (mostrar);
41
5 MODELO TECNOLÓGICO A SER ANALISADO
Será proposto neste projeto um modelo tecnológico de gerenciamento da cadeia de
suprimentos (Supply Chain Management - SCM) para tratar o planejamento integrado da cadeia
de suprimentos, no caso, a biomassa.
No artigo “Modelos de Previsão no Supply Chain Management” (2006), Oliva e Albano
propõem que a modelagem multiobjetivo é especificada quando há interesse em avaliar objetivos
conflitantes e as respectivas trocas compensatórias. Essa modelagem tem como foco de interesse
a avaliação de objetivos conflitantes e as respectivas trocas compensatórias, como o Imposto de
Pigou, tratados por meio da modelagem multiobjetivo. Oliva e Albano (2006) apresentam, na
Figura 10, a taxionomia dos modelos de previsão utilizados no SCM.
Figura 10- Principais desafios impostos ao SCM e a modelagem utilizada. FONTE:
Modelos de previsão no supply chain management. (2006)
42
5.1 MODELOS DE PREVISÃO
Os autores consideram, quanto aos modelos de previsão, o seguinte:
O fato de ser de dois tipos: modelo descritivo e modelo analítico.
Consideram também quando a intenção com que uma previsão é realizada ou se são
realizadas previsões para que os agentes interessados se adaptem aos acontecimentos
ou para que eles decidam sobre que atitude tomar, de modo a exercer influência sobre
eventos futuros.
O gerenciamento das trocas compensatórias está estreitamente correlacionado com a tomada
de decisão na cadeia de suprimentos. Para melhor gerenciamento dos objetivos conflitantes é
fundamental levar em consideração a intensidade das trocas compensatórias advindos deles e a
necessidade de reclassificação das prioridades competitivas. Agentes da logística de produção
tem por objetivo minimizar os custos de produção e atingir alta produtividade através da eficiência
da produção. Espera-se que os níveis de estoque reduzam os prejuízos sobre o sistema de
produção afetado pela volatilidade da demanda.
5.2 VOLATILIDADE DA DEMANDA
A propagação da volatilidade da demanda, efeito chicote, é mais sensivelmente percebida pela
indústria, que pela flutuação efetiva da demanda final, no caso o consumidor. Esse efeito leva os
fornecedores a enfrentarem situações de superprodução e de ociosidade. (Oliva e Albano,2006)
Assim, torna-se importante o gerenciamento de estoques e as políticas de pedidos a serem
realizados em cadeia uma vez que, as exigências de transporte para clientes e fornecedores estão
ligadas entre si. Caso haja aumento dos custos provocados por oscilações das exigências, a
capacidade excedente de transporte precisa ser mantida para atendimento dos períodos de alta
demanda.
A estratégia da proposta deste projeto é trilhar a otimização entre as unidades produtoras de
energia e os níveis de estoques de resíduos a montante da cadeia. Logo, as decisões de produção,
distribuição e entregas serão tomadas com base nas informações sobre a necessidade de geração
de energia. Estas informações devem ser compartilhadas entre todos os agentes envolvidos nesta
cadeia produtiva.
5.3 OBJETIVOS CONFLITANTES E TROCAS COMPENSATÓRIAS
O gerenciamento das trocas compensatórias está correlacionado com a tomada de decisão na
cadeia de suprimentos. Deve-se se levar em consideração a intensidade das trocas compensatórias
e a necessidade de reclassificação das prioridades competitivas.
43
A Logística de Distribuição exige a minimização dos custos de transporte, biomassa posta
porta de fábrica, tendo vantagens quanto a descontos e rapidez no reabastecimento. Porém, quanto
maior a rapidez no reabastecimento, maiores os custos e, quanto maior o intervalo de entregas,
maior a economia de escala. Esse fator analisado pela responsividade da cadeia.
Manter os níveis de estoque adequados, atender metas de produção e satisfazer os níveis de
serviço ao consumidor consistem o dilema no tratamento das trocas compensatórias. Muitas
tomadas de decisão envolvem a seleção de um número limitado de alternativas, esperando atender
múltiplos objetivos de conflito. (Oliva e Albano, 2006)
5.4 MODELO MULTIOBJETIVOS
Modelos multiobjetivos, como visto anteriormente, são especificados para considerar
múltiplos critérios de avaliação de desempenho, constantemente sujeitos a análise crítica dos
coadjuvantes da cadeia produtiva, capaz de ajudar a cada intervenção moldar suas preferências e
encontra argumentos para sustentabilidade do processo, em concordância com múltiplos objetivos
pretendidos. (Oliva e Albano, 2006)
Essa modelagem permite a avaliação de desempenho, quando vários objetivos são
considerados simultaneamente, sob diferentes hipóteses de futuro e critérios de decisão, bem
como a ordenação quanto a prioridades. Esta modelagem se concentra em duas áreas de tomada
de decisão: uma primeira é dada quanto a localização das plantas das usinas termoelétricas e os
produtores de biomassa; e, uma segunda, quanto a seleção de fornecedores, a partir de um número
limitado de alternativas. O modelo multiobjetivo facilita a tomada de decisão quando fatores
qualitativos e quantitativos precisam ser considerados no processo de decisão. Por exemplo, um
fator quantitativo pode ser a quantidade em toneladas e o fator qualitativo, o teor de umidade e
poder calorífico da biomassa disponível.
5.5 JUSTIFICATIVA DO MODELO TECNOLÓGICO ADOTADO
Assim, o método da otimização linear permitirá encontrar pontos ótimos para a localização
ótima das plantas de usinas termoelétricas, considerando a disponibilidade de biomassa e critérios
para produção de energia. Medidas de desempenho da cadeia de suprimentos, planejamentos
estratégico e operacional poderão ser avaliados a partir desse modelo multiobjetivo, uma vez que
inclui o custo total da cadeia, nível de serviço e volume de entrega de pedidos. (Oliva e Albano,
2006)
Oliva e Albano (2006) observam que existe uma escassez de trabalhos que consideram custos
de transporte como variável relevante para a determinação de políticas de pedidos e entregas,
quando o foco da análise é o desempenho global da cadeia de suprimentos, inserida no processo
44
de planejamento conjunto e colaborativo. Este custo pode influenciar significativamente as
decisões e relações entre os agentes.
O método de otimização linear permitirá encontrar um plano ótimo de intervenção na cadeia
para otimizar o objetivo deste projeto, encurtando a cadeia de suprimentos. Um problema que este
modelo pode trazer, é devido à dificuldade em se obter dados dos agentes participantes da cadeia
de suprimentos real, pois não prevê todas as relações entre as variáveis envolvidas no
gerenciamento da cadeia, sendo limitado a um modelo analítico.
45
6 OTIMIZAÇÃO
Este trabalho tem por objetivo encontrar soluções ótimas para a localização de plantas
termoelétricas, a partir de dados da geração de resíduos sólidos provenientes da agricultura, das
origens desses resíduos e dos custos relativos ao seu manuseio e transporte, bem como avaliar a
necessidade ou não da densificação da biomassa antes de ser processada nas usinas.
6.1 DEFINIÇÃO DO PROBLEMA
A otimização linear é utilizada no problema proposto para se determinar as demandas de
resíduos para um determinado número de usinas termoelétricas localizadas nos municípios do
Estado de Mato Grosso. Este determinado número é obtido em função da largura de escala de
produção e a oferta dos resíduos disponíveis. A localização geográfica será pré-determinada nos
Municípios onde já existe linhas de distribuição de energia para reduzir efeito dos custos
relacionados a ligação das usinas a rede básica de energia elétrica brasileira. Os resultados da
otimização revelam os municípios com maiores potenciais, entre os pré-determinados, para
instalação de usinas de processamento de biomassa sólida proveniente da agricultura, bem como
as quantidades ótimas destinadas a cada usina tendo como relevância parâmetros de otimização o
custo de transporte.
Foram realizados cenários de 20%, 50% e 80% de aproveitamento, ou rendimento, dos
resíduos sólidos provenientes da agricultura e suas avaliações, pois não é possível coletar 100%
desses resíduos gerados uma vez que as máquinas e equipamentos utilizados na agricultura não
são capazes de tal eficiência, pois alguns produtores optam por devolver ao solo, parte da matéria
orgânica como forma de adubar o solo durante a colheita das culturas. Para cada cenário, foram
analisados dois tipos de conversão termoquímica da biomassa: gaseificação e combustão direta.
Os custos relativos a densificação, transporte e consumo foram calculados posteriormente,
levando em conta custos ambientes referentes a emissão de gases do efeito estufa.
Os resíduos das colheitas de soja e milho serão considerados com base nas quantidades
produzidas obtidas pelo Produção Municipal Agrícola (IBGE, 2014) e nas porcentagens de
aproveitamento dos cenários. No processo de colheita da soja e do milho são gerados resíduos
como a palha e resíduos da soja e a palha, sabugo e resíduos do milho. Este processo normalmente
é feito por colhedeiras onde os grãos são separados dos resíduos que, seguidamente, serão
densificados, transportados e transformados para geração de energia ou produção de
biocombustíveis.
46
Após a colheita, normalmente a palha e o sabugo deixados no solo das fazendas são
densificados (fardos) para facilitar o transporte até armazéns de transformação ou usinas
termoelétricas. Este trabalho irá a avaliar ser vantajoso ou não uma nova densificação da biomassa
após o primeiro transporte. O esquema a seguir representa o mapeamento dos processos da
biomassa desde a colheita até a porta das usinas.
No entanto, não existe tecnologia disponível economicamente viável para geração de energia
a partir dos resíduos da cultura da soja (IPEA, 2012), assim serão assumidos parâmetros para tal.
Já as usinas de álcool (de milho) existem e processam a biomassa em caldeiras semelhante ao
processo utilizado nas usinas de cana-de-açúcar (MAUÉS, 2007).
Quanto a densificação da biomassa, será escolhida a briquetagem para a densificação pois é a
tecnologia mais indicada quando se deseja densificar resíduos sólidos agrícolas. O briquete pode
substituir a lenha ou, quando de origem vegetal, substitui em parte o carvão vegetal.
Em cada município produtor de milho e soja será localizada uma briquetadeira para facilitar
e reduzir custos de transporte dos resíduos das culturas e será assumido que não há distância entre
os geradores de resíduos e as briquetadeiras do mesmo município, pois não há dados para
determinação destes valores.
Após a briquetagem dos resíduos agrícolas, os briquetes serão transportados até as usinas
termoelétricas. Está será constituída de tecnologias de combustão direta, gaseificação ou pirólise
integradas a sistemas termomecânicos, como turbinas à vapor, para geração de energia.
Colheita
•Extração dos grãos
Densificação
•Densificação da biomassa para transporte até os armazéns (fardos) ou transporte até as usinas
Transporte
•Biomassa transportada para armazéns ou usinas
Transformação
•Densificação da biomassa
Transporte
•Transporte da biomassa até as usinas
Tecnologias de Conversão
47
6.2 AVALIAÇÃO DO POTENCIAL ENERGÉTICO NO ESTADO DE MATO
GROSSO
De posse dos dados das quantidades produzidas pelas culturas da soja nos principais
municípios do Estado de Mato Grosso (Tabelas 3 e 4), gerou-se um panorama dos resíduos (palha
e resíduos para a soja; e, para o milho, palha, sabugo e resíduos) gerados por essas culturas (Tabela
13).
Tabela 13 - Quantidade de resíduos gerados pelas culturas da soja e do milho nos principais
municípios do Estado de Mato Grosso, em toneladas, em ordem decrescente - 2014.
Municípios Soja (t) Milho (t) TOTAL
Sorriso 1.446.714 1.146.478 2.593.192
Nova Mutum 882.811 578.759 1.461.570
Sapezal 873.258 500.946 1.374.231
Campo Novo do Parecis 871.830 467.016 1.338.846
Nova Ubiratã 743.790 547.056 1.290.846
Querência 708.491 708.491
Diamantino 699.774 699.774
Primavera do Leste 572.816 408.698 981.514
Lucas do Rio Verde 524.799 444.048 968.847
Canarana 495.407 495.407
Campo Verde 476.018 337.394 813.412
Brasnorte 474.661 474.661
Paranatinga 466.032 466.032
Campos de Júlio 441.139 337.394 778.533
Subtotal 9.677.541 4.785.711 14.463.252
TOTAL 14.463.252
O Panorama do Potencial de Biomassa do Brasil (CENBIO, 2012), utiliza o seguinte cálculo
para estimar o potencial energético dos resíduos agrícolas.
𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎𝑙 =(𝑅𝑒𝑠í𝑑𝑢𝑜𝑠)×𝑃𝐶𝐼×𝜂
860×𝑓𝑢𝑛𝑐. (15)
Onde:
Potencial – potencial energético gerado a partir de resíduos no ano (MW);
Resíduos – montante de resíduos gerados pela cultura (toneladas);
48
PCI – poder calorífico inferior (kcal/kg);
η – eficiência de conversão (%);
860 - fator de conversão (kcal/kg para kWh/kg); e
func. – tempo de operação do sistema (horas de operação/ano).
Para essa estimativa, foram utilizados os dados das gerações de resíduos das culturas da soja
e do milho com base seca (Tabela 13). O Poder Calorífico Inferior (PCI) foi obtido por meio da
literatura (Tabela 14). O valor de 860 refere-se a conversão da unidade kcal/kg para kWh/kg.
Considerou-se que o sistema opere com os resíduos gerados 330 dias do ano, 24 horas por dia,
que resulta em 7.920 horas de operação/ano, pois normalmente essas usinas param a operação
durante um mês ao ano para realização de manutenção dos equipamentos. A eficiência de
conversão (η) adotada para os resíduos foi de 15% de baixo rendimento termodinâmico composto
por caldeira de 20 bar de pressão de operação e turbina com condensador atmosférico (CENBIO,
2012). Os resultados dos potenciais energéticos distribuídos entre os municípios mais produtores
de soja e milho no Estado de Mato Grosso são apresentados na Tabela 15.
Tabela 14 - Poder Calorífico dos resíduos das culturas da soja e do milho. FONTE: ¹ABIB
(2010) e ²CENBIO (2012).
Cultura Poder Calorífico (kcal/kg)
Soja (palha e resíduos)² 3.300
Milho (palha, sabugo e resíduos)¹ 3.570
49
Tabela 15 - Potencial energético dos resíduos gerados na agroindústria das principais
culturas brasileiras em MW/ano - 2014.
Municípios Soja (MW) Milho (MW)
Sorriso 105,13 91,55
Nova Mutum 64,15 45,50
Sapezal 63,46 39,38
Campo Novo do Parecis 63,35 36,71
Nova Ubiratã 54,05 43,00
Querência 51,48
Diamantino 50,85
Primavera do Leste 41,62 32,13
Lucas do Rio Verde 38,13 34,91
Canarana 36,00
Campo Verde 34,59 26,51
Brasnorte 34,49
Paranatinga 33,86
Campos de Júlio 32,05 26,52
Subtotal 703,30 376,25
TOTAL 1.079,56
Pode-se observar dos resultados que alguns municípios têm representação em ambas as
culturas. Isso se deve pelo fato de serem culturas temporárias e muitos produtores alternarem o
plantio entre as duas culturas (rotação de culturas) a fim de evitar a degradação física, química e
biológica do solo e a queda da produtividade (EMBRAPA, 2004).
O Estado de Mato Grosso compõe 14 municípios e, cada um deste, irá dispor de uma
briquetadeira.
Como input no programa, serão utilizadas as quantidades dos resíduos em toneladas (t).
Também serão utilizados os três cenários (20%, 50% e 80%) de aproveitamento dos resíduos
agroindustriais como dito anteriormente, conforme a equação a seguir:
𝑂𝑖[𝑡] = 𝑂𝑓𝑒𝑟𝑡𝑎 [𝑡] ∗ %𝐴 [%] (16)
Onde:
Oi - oferta de biomassa densificada das colheitas às usinas, em toneladas;
Oferta – oferta de resíduos, em toneladas;
%A – cenário de aproveitamento.
50
A Tabela 16 apresenta os três cenários das quantidades de resíduos aproveitados (t) para cada
uma das culturas nos principais municípios do Estado de Mato Grosso.
Tabela 16 - Cenários de aproveitamento dos resíduos das culturas da soja e milho nos
principais municípios produtores do Estado de Mato Grosso, em toneladas.
Municípios Cenário 1 (20%) Cenário 2 (50%) Cenário 3 (80%)
Soja (t) Milho (t) Soja (t) Milho (t) Soja (t) Milho (t)
Sorriso 289.343 232.896 723.357 582.239 1.157.371 931.582
Nova Mutum 176.562 115.752 441.405 115.752 706.249 289.379
Sapezal 174.652 100.189 436.629 250.476 698.606 400.757
Campo Novo do
Parecis
174.366 93.403 435.915 233.508 697.464 373.613
Nova Ubiratã 148.758 109.411 371.895 273.528 595.032 437.645
Querência 141.698 354.246 566.793
Diamantino 139.955 349.887 559.819
Primavera do Leste 114.563 286.408 458.253
Lucas do Rio Verde 104.960 88.810 262.400 222.024 419.839 355.238
Canarana 99.081 247.704 396.326
Campo Verde 95.204 67.463 238.009 168.658 380.815 269.853
Brasnorte 94.932 237.330 379.728
Paranatinga 93.206 233.016 372.826
Campos de Júlio 88.228 67.479 220.570 168.697 352.911 269.915
TOTAL 1.935.508 957.142 4.838.771 2.392.856 7.742.033 3.828.569
Observa-se que alguns municípios não possuem produção de milho que possam produzir
resíduos significativos para este estudo. Com base nos dados da Tabela 16, pode-se avaliar os
prováveis municípios para recebimento de usinas termoelétricas para o processamento da
biomassa.
6.3 PROVÁVEIS LOCALIZAÇÕES DAS USINAS TERMOELÉTRICAS
Atualmente, a CELG Distribuição S.A. – CELG-D é a distribuidora de energia elétrica do
Estado de Mato Grosso e, de acordo com o Mapa de Localização das Centrais Geradoras e Linhas
de Transmissão de Energia Elétrica no Estado de Mato Grosso (ANEEL, 2014), os únicos
munícipios que já possuem rede de distribuição de energia elétrica devido a presença de usinas
(hidrelétricas ou termoelétricas) para possiblidade de conexão são: Sorriso, Sapezal, Campo Novo
do Parecis, Primavera do Leste e Paranatinga. E, com isto, são estimados as distâncias entre os
51
municípios geradores de biomassa e os prováveis municípios com as usinas termoelétricas para o
processamento da biomassa.
6.4 DISTÂNCIAS ENTRE MUNICÍPIOS
Assim, faz-se necessário cruzar os dados das localizações entre cada município de geração de
biomassa e os prováveis municípios das usinas elétricas em operação. Estas informações foram
obtidas através do serviço de pesquisa e visualização de mapas e imagens de satélite Google
Maps, onde selecionou-se um município de origem e um de destino. As Figuras 11 e 12
apresentam os mapas geográficos com as localizações dos municípios produtores de biomassa e
os municípios alvos para o recebimento de usinas de processamento de biomassa para geração de
energia elétrica, respectivamente.
Figura 11 - Mapa da distribuição dos municípios geradores de biomassa do Estado de Mato
Grosso. FONTE: Google Maps.
52
Figura 12 - Municípios alvos para o recebimento de usinas de processamento de biomassa
para geração de energia elétrica. FONTE: Google Maps.
A Tabela 17 apresenta os valores das distâncias entre os municípios alvos para o recebimento
de usinas de processamento de biomassa e os municípios produtores de biomassa. As distâncias
calculadas são baseadas em rotas rodoviárias sem a possibilidade de saber se a pavimentação
possibilita a passagem de transportes terrestres, pois esta variável encarece e, muitas vezes,
impossibilita o transporte de mercadorias.
53
Tabela 17 - Distâncias entre municípios alvos para recebimento de biomassa e potenciais
municípios geradores de biomassa sólida, em quilômetros, no Estado de Mato Grosso. FONTE:
Google Maps.
Municípios
geradores de
biomassa sólida
Municípios alvos para recebimento da biomassa
Sorriso Sapezal
Campo
Novo do
Parecis
Primavera
do Leste Paranatinga
Sorriso 497 388 510 367
Nova Mutum 159 340 232 475 341
Sapezal 497 108 712 680
Campo Novo
do Parecis 389 108 634 571
Nova Ubiratã 87 577 468 423 280
Querência 749 1.062 954 525 383
Diamantino 283 355 246 417 357
Primavera do
Leste 626 708 630 143
Lucas do Rio
Verde 66 432 324 567 430
Canarana 636 950 841 412 270
Campo Verde 523 605 527 103 246
Brasnorte 553 200 164 798 735
Paranatinga 367 680 571 143
Campos de
Júlio 553 58 164 768 736
Os custos relacionados transporte (frete) da biomassa densificada, tem por base as distâncias
entre a origem e o destino da carga.
6.5 CUSTOS RELACIONADOS AO TRANSPORTE
Os custos aqui estudados estarão relacionados exclusivamente aos custos do frete em si e aos
custos ambientes por estar diretamente ligados as emissões de gases do efeito estufa. Pedágios
rodoviários, serviços de despacho, ICMS/ISS, paletização, coleta em zona rural, prazo para
entrega ou necessidade de movimentação especial de cargas, são fatores que podem encarecer os
custos do transporte.
54
6.5.1 Custos dos fretes dos briquetes
Para estimar os custos será levado em conta somente o transporte terrestre realizado por
caminhões de eixo duplo, normalmente utilizados em usinas de cana-de-açúcar e para o
escoamento da produção da soja para exportação, com capacidade média de carga de 17 toneladas,
dentro dos limites legais impostos pelo CONTRAN (Conselho Nacional de Trânsito).
A Tabela 18 foi utilizada para calcular os custos relacionado ao frete.
Tabela 18 - Tabela base de preços mínimos de frete no Estado de Mato Grosso. FONTE:
Secretaria de Fazendo do Estado de Mato Grosso (2014).
Como parâmetro da programação de otimização, foi utilizado o valor do transporte de carga
farelo a granel por quilômetro (km). E, assim, com a capacidade de carga do caminhão de 17 (t),
é possível determinar os valores em reais (R$) para as distâncias estipuladas anteriormente.
55
O preço total será resultado da multiplicação do valor médio para o frete, em R$/km, vezes a
distância percorrida. Para se obter o valor médio do frete, foram encontrados os valores mínimos
e máximos para o frete em cada faixa de distância da Tabela 18.
A seguir, foi calculado o valor médio do frete com base nos dados dos cálculos dos custos
máximos e mínimos das faixas de distâncias para até 1.100 km, uma vez que a maior distância
entre municípios é de 1.062, entre Sapezal e Querência (Tabela 17). O valor mínimo correspondeu
a capacidade total do caminhão, multiplicado pelo valor do frete da faixa de distância, divido pela
distância mínima da mesma. O valor máximo correspondeu a capacidade total do caminhão,
multiplicado pelo valor do frete da faixa de distância, divido pela distância máxima da mesma. E,
para os valores máximos e mínimos, foi calculada a média de 31,10 R$/km e 3,78 R$/km,
respectivamente. A discrepância do valor mínimo se deve ao primeiro valor referente a distância
de 1 km e será somente utilizado o valor médio do frete máximo 3,78R$/km (Tabela 19) como
valor médio do frete, restando calcular os custos ambientais referentes ao transporte.
Tabela 19 - Custos relacionados ao frete.
Distâncias (km)
Farelo/Granel(R$/t) 17(t)*R$ Mínimo (R$) Máximo (R$)
1 50 33,48 569,16 569,16 11,38
51 100 40,31 685,27 13,44 6,85
101 150 43,28 735,76 7,28 4,91
151 200 46,69 793,73 5,26 3,97
201 250 51,49 875,33 4,35 3,50
251 300 66,96 1.138,32 4,54 3,79
301 350 69,51 1.181,67 3,93 3,38
351 400 74,63 1.268,71 3,61 3,17
401 450 91,37 1.553,29 3,87 3,45
451 500 101,40 1.723,80 3,82 3,45
501 550 106,67 1.813,39 3,62 3,30
551 600 111,08 1.888,36 3,43 3,15
601 650 114,18 1.941,06 3,23 2,99
651 700 120,40 2.046,80 3,14 2,92
701 750 124,11 2.109,87 3,01 2,81
751 800 131,29 2.231,93 2,97 2,79
801 850 134,60 2.288,20 2,86 2,69
851 900 139,57 2.372,69 2,79 2,64
901 950 149,15 2.535,55 2,81 2,67
951 1000 158,55 2.695,35 2,83 2,70
1001 1100 187,72 3.191,24 3,19 2,90
MÉDIA 31,10 3,78
6.5.2 Custos ambientais relacionados ao transporte
Os custos ambientais relacionados ao transporte são aqueles associados a emissão de gases
do efeito estufa pelos agentes envolvidos no processo. No Brasil, os caminhões rodoviários são
56
fabricados com motores diesel e, apesar da mistura de biodiesel no combustível para minimizar
os danos ao meio ambiente, emitem pelo escapamento Óxidos de Nitrogênio (NOx),
Hidrocarbonetos (HC’s), Monóxido de Carbono e material particulado. (VOLVOTRUCKS,
2011).
Para contabilizar estes custos ambientais em tonelada de Gás Carbônico equivalente (tCO2e),
será utilizado como referência os cálculos dos fatores de emissão de CO2 elaborados pela
Gerência de Qualidade do Ar do Ministério do Meio Ambiente (MMA) (2011). Este inventário
leva em consideração o atual Programa Nacional de Controle da Poluição do Ar por Veículos
Automotores (PROCONVE), fase P7, que entrou em vigor em 2014, que fornece valores médios
do consumo específico de veículos do ciclo Diesel e o fator de emissão de CO2 (Tabelas 20 e 21).
Tabela 20 - Valor médio de litros por quilometragem para veículos do ciclo Diesel. FONTE:
MMA, 2011.
Categoria Consumo específico de diesel (km/L diesel)
Caminhões Pesados 3,17
Tabela 21 - Fatores de emissão de CO2. FONTE: MMA, 2011.
Diesel (kg/L)
2,671
Das Tabelas 20 e 21, pode se inferir que para cada 1.000 litros de diesel consumidos pelos
caminhões, serão emitidas 2.671 tCO2e à atmosfera. E, para cada quilômetro de briquete
transportado pelos caminhões até as usinas, serão emitidos 8,42 × 10−4 tCO2e.
De acordo com o último Leilão de Crédito de Carbono realizado pela BM&F BOVESPA em
2012, o preço negociado ao final do leilão foi de 3,30 €/tCO2e. Na cotação do mês de novembro
de 2015, o Euro teve valor médio de R$4,09, de acordo com o boletim mensal do Banco Central
do Brasil do mesmo período, ou seja, 13,49 R$/tCO2e emitido.
Assim, o custo ambiental devido ao transporte até as usinas tem o valor de 0,011 R$/km.
6.6 CUSTOS DE DENSIFICAÇÃO DA BIOMASSA BRIQUETAGEM
O custo de briquetagem será composto pelo custo com a energia consumida pelas
briquetadeiras e os custos ambientais devido a esse consumo.
Para efeito de cálculo, será considerado a briquetadeira modelo BL 95 da fabricante LIPPEL,
com produção média de 1.2t/h de briquete e consumo médio de 55.92 kWh (dados de acordo com
o fabricante), para compor a base do estudo.
57
O custo com a energia consumida pelas briquetadeiras será composto pela tarifa B1, classe
Rural, de 0,32563 R$/kWh (ENERGISA) e potência consumida de 46,6 kWh/t.
Assim, o custo de densificação é de 15,17R$/t de briquete produzido.
6.6.1 Custos ambientais relacionados a densificação da biomassa
Novamente, o custo ambiental estará relacionado aos custos devido as emissões de gases do
efeito estufa pelo consumo de energia pelas briquetadeiras e terá como base o Fator de Emissão
Anual (2014) de 0,1355 tCO2e/MWh (MCT).
Do Capítulo 6.5.2, o custo ambiental devido as emissões é de 13,49 R$/tCO2e. Então, nas
briquetadeiras, como são consumidos 0,0466 MWh/t, o custo ambiental relacionado a
densificação da biomassa é de 0,085 R$/t de briquete produzido.
6.7 CUSTOS TOTAIS
Os custos totais são os resultados das somas dos custos energéticos e ambiental do transporte,
dos custos energéticos e ambientais da densificação da biomassa, e a Tabela 22 mostra a
representação das variáveis envolvidas nos cálculos.
𝐶𝑑𝑒𝑛𝑠𝑖 = ∑𝑂𝑖 (𝐶𝑢𝑠𝑡𝐸𝑛𝑒𝑟𝑔 + 𝐶𝑢𝑠𝑡𝐴𝑚𝑏𝑑) (17)
𝐶𝑡𝑟𝑎𝑛𝑠𝑝𝑖𝑗 = ∑ 𝐷𝑖𝑗 (𝐹𝑟𝑒𝑡𝑒 + 𝐶𝑢𝑠𝑡𝐴𝑚𝑏𝑡) (18)
𝐷𝑡𝑜𝑡 = 𝐷𝑖𝑗 ∗𝑂𝑖
𝐶𝑎𝑝𝐶𝑎𝑚 (19)
Onde:
Tabela 22 - Representação das variáveis.
Processo Termo Significado Unidade
Densificação
𝐶𝑑𝑒𝑛𝑠𝑖 Custo de densificação R$
𝑂𝑖 Oferta de biomassa já
densificada 𝑘𝑔
𝐶𝑢𝑠𝑡𝐸𝑛𝑒𝑟𝑔 Custo Energético do
Processo 𝑅$/𝑘𝑔
𝐶𝑢𝑠𝑡𝐴𝑚𝑏𝑑 Custo Ambiental de
Densificação 𝑅$/𝑘𝑔
Transporte
Densificação - Usina
𝐶𝑡𝑟𝑎𝑛𝑠𝑝𝑖𝑗 Custo de transporte 𝑅$
𝐹𝑟𝑒𝑡𝑒 Frete 𝑅$/𝑘𝑚
58
𝐶𝑢𝑠𝑡𝐴𝑚𝑏𝑡 Custo das emissões
de CO2 pelo transp. 𝑅$/𝑘𝑚
𝐷𝑖𝑗 Distâncias entre os
municípios 𝑘𝑚
𝐷𝑡𝑜𝑡 Distância total
percorrida 𝑘𝑚
𝐶𝑎𝑝𝐶𝑎𝑚 Capacidade de carga
do caminhão 𝑘𝑔
TOTAL 𝐶𝑖𝑗 Custo total 𝑅$
A equação de custos de densificação da biomassa, será multiplicada por 2 (dois), pois deve se
levar em conta que o caminhão vai carregado até as usinas e retorna vazio até as unidades de
briquetagem. O índice i e j referem-se as unidades de briquetagem e as usinas termoelétricas,
respectivamente. E, a equação de distâncias total percorrida, considera o número mínimo de
viagens realizadas para o transporte da completa disponibilidade de biomassa (briquetes), e
depende da quantidade de carga a ser transportada e da capacidade do caminhão utilizado.
6.8 POTÊNCIA INSTALADA DAS USINAS
Capacidade instalada pode ser entendida como o limite ou capacidade máxima de produção
de uma fábrica, ou seja, o que poderia ser produzido se o equipamento estiver operando a plena
capacidade. Neste estudo, capacidade instalada se traduz como a potência máxima gerada pelo
grupo turbina-a-vapor/gerador das usinas termoelétricas para geração de energia elétrica (NIGEL,
2011).
Para cada tecnologia de conversão, combustão direta e gaseificação, será elaborado um
programa específico, pois essas tecnologias possuem eficiências distintas. Assim, pode-se avaliar
melhor e maximizar a produção de energia baseado na geração de resíduos dos municípios do
Estado de Mato Grosso em estudo. A energia específica dos briquetes será considerada o valor de
46 kWh/t (DAHLQUIST, 2013).
Para caracterizar a usina termoelétrica de base, foi realizada a média das capacidades
instaladas das usinas do tipo Biomassa em operação no Brasil (ANEEL, 2015). O valor médio
calculado foi de 25,78 MW de potência e será utilizado na otimização.
Como dito anteriormente, será considerado 90% do ano para operação devido a parada para
manutenção entre safras, ou seja, 7.920 horas em operação.
A potência instalada em função das produções de resíduos da soja e do milho pode ser
calculada para combustão direta e gaseificação pela fórmula a seguir.
59
𝑃𝑜𝑡𝐼𝑛𝑠𝑡𝑐𝑜𝑚𝑏 = 𝑂𝑖 ∗ 4,6 ∗1
7920∗ 𝜂𝑐𝑜𝑚𝑏 (20)
𝑃𝑜𝑡𝐼𝑛𝑠𝑡𝑔𝑎𝑠𝑒𝑖𝑓 = 𝑂𝑖 ∗ 4,6 ∗1
7920∗ 𝜂𝑔𝑎𝑠𝑒𝑖𝑓 (21)
Onde:
PotInstcomb – Potência instalada para combustão direta, em MW/ano;
Potinstgaseif – Potência instalada para gaseificação, em MW/ano;
𝜂𝑐𝑜𝑚𝑏 – Eficiência da combustão direta, em %;
𝜂𝑔𝑎𝑠𝑒𝑖𝑓 - Eficiência da gaseificação, em %; e
𝑂𝑖 –Oferta de biomassa (em briquetes), em kg.
Uma vez calculada a potência instalada e o potencial de energia a ser gerada, podem ser
levantados os dados referentes ao faturamento com a venda dessa energia.
6.9 RECEITA GERADA
O faturamento obtido com a produção de energia é resultado da potência instalada,
multiplicada pelas horas em funcionamento de cada usina e pela tarifa de venda de energia elétrica
do mercado. Uma vez que a usina foi caracterizada (Capítulo 6.8), a fórmula a seguir calcula o
faturamento.
𝐹 = (𝑃𝑜𝑡𝐼𝑛𝑠𝑡 ∗ 7796 ∗ 𝑃𝑟) + (𝑃𝑟𝐶𝑎𝑟𝑏𝐸𝑣𝑖𝑡 ∗ 𝐹𝑎𝑡𝑜𝑟𝑀𝑒𝑑 ∗ 𝑃𝑜𝑡𝐼𝑛𝑠𝑡 ∗ 7796 ) (22)
Onde:
𝑃𝑜𝑡𝐼𝑛𝑠𝑡 – Potência instalada, em MWh;
𝑃𝑟 – Preço de venda da energia, em R$/MWh;
𝑃𝑟𝐶𝑎𝑟𝑏𝐸𝑣𝑖𝑡 – Preço do crédito de carbono, em R$/tCO2e;
𝐹𝑎𝑡𝑜𝑟𝑀𝑒𝑑 – Fator Médio Anual, em tCO2/MWh.
Para o valor pago pela energia gerada, única variável ainda não definida, será adotado o preço
médio R$ 209,91 por MWh do último Leilão FA 2015 realizado pela ANEEL (EPE, 2015). A
segunda parcela da equação envolve ganhos pela venda dos créditos de carbonos.
60
6.10 AVERIGUAÇÃO DA NECESSIDADE DA OTIMIZAÇÃO
Antes de realizar a otimização, é importante avaliar ser necessário fazê-la, pois alguns
equipamentos que compõe o processo de logística podem consumir a energia elétrica gerada a
partir da biomassa.
Foi visto no Capítulo 6.6 que cada briquetadeira demanda 55.92 kWh em plena operação.
Considerando uma operação de 8 (oito) horas diárias, a demanda diária por energia será de
447,36kW (ou 0,447 MW) com produção de 9,6 toneladas de briquetes.
Para fins de investigação será assumido 100% de aproveitamento dos resíduos e 7.920 horas
de operação das usinas.
A quantidade de energia demandada por cada município produtor de resíduos das culturas de
soja e milho, será calculado através da equação a seguir.
𝐸𝑛𝑒𝑟𝑔𝑖𝑎 𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝑑𝑎 [𝑀𝑊ℎ] = 0,447 [𝑀𝑊] ∗𝑂𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑟𝑒𝑠í𝑑𝑢𝑜𝑠[𝑡]
1,2 [𝑡]∗ 8[ℎ] (23)
Já a energia anual ser gerada, em MWh, será calculada por:
𝐸𝑛𝑒𝑟𝑔𝑖𝑎 𝑎𝑛𝑢𝑎𝑙 𝐺𝑒𝑟𝑎𝑑𝑎[𝑀𝑊𝑡] = 0,447 [𝑀𝑊] ∗ 𝑂𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑟𝑒𝑠í𝑑𝑢𝑜𝑠[𝑡] (24)
Tabela 23 - Geração de Energia, Demanda de energia e variação percentual entre ambas.
Municípios
Geração de Energia
(MWh)
Energia Demanda
(MWh) Percentual (%)
Soja Milho Soja Milho Soja Milho
Sorriso 66.549 52.738 68 54 0,1 0,1
Nova
Mutum 40.609 26.623 42 27
0,1 0,1
Sapezal 40.170 23.044 41 24 0,1 0,1
Campo
Novo do
Parecis
40.104 21.483 41 22
0,1 0,1
Nova
Ubiratã 34.214 25.165 35 26
0,1 0,1
Querência 32.591 33 0,1
Diamantino 32.190 33 0,1
Primavera
do Leste 26.350 18.800 27 19
0,1 0,1
Lucas do
Rio Verde 24.141 20.426 25 21
0,1 0,1
Canarana 22.789 23 0,1 0,1
61
Campo
Verde 21.897 15.520 22 16
0,1 0,1
Brasnorte 21.834 22 0,1
Paranatinga 21.437 22 0,1
Campos de
Júlio 20.292 15.520 21 16 0,001 0,001
Subtotal 445.167 220.143 455 225 0,001 0,001
TOTAL 665.310 680 0,001
Da Tabela 23, percebe-se que toda energia gerada por ambas as culturas, mesmo naqueles
municípios que somente possuem representação quanto a soja, a energia demandada equivale a
aproximadamente 0,001% da energia elétrica gerada pela biomassa.
6.11 PROGRAMAÇÃO DA OTIMIZAÇÃO
Para compor a programação, foi confeccionada a tabela 24, com as definições de cada variável
e seu símbolo.
Tabela 24 - Definições s símbolos a serem utilizados na programação.
Definição Símbolo
Briquetadeira 𝑖 Possível localização de usinas 𝑗
Oferta de biomassa 𝑎𝑖1
Distância entre municípios 𝑑𝑖𝑗
Quantidades de briquetes transportadas (t) 𝑥𝑖𝑗
Frete por caminhão (R$/km*viagem) 𝑓1
Custo de transporte (R$/viagem) 𝑐𝑖𝑗
Função custo a ser otimizada 𝑧
A equação abaixo, será utilizada para a otimização do sistema, onde 𝑐𝑖𝑗 determina o custo de
transporte por viagem de 1 (um) caminhão, a variável 𝑓 representa o custo por quilômetro rodado
para somente viagem de ida e 𝑑𝑖𝑗 é a distância entre o município i com unidade de briquetagem e
j município alvo com usina termoelétrica.
𝑐𝑖𝑗 = 𝑓 ∗ 𝑑𝑖𝑗 (26)
Será imposta duas restrições a otimização, com intuito de que toda biomassa que será
transportada deve ser igual a mesma quantidade de briquetes produzidos.
∑ 𝑥𝑖𝑗𝑗 = 𝑎𝑖 (27)
∑ 𝑥𝑖𝑗𝑖 ≥ 0 (28)
62
Tem-se por objetivo maior, otimizar a função z, que corresponde ao custo do total dos
transportes realizados. Entretanto, por z não estar divido pela capacidade máxima de cada
caminhão (números de viagens), não representa ainda os custos adequados dos transportes. A
função a ser minimizada ficará da seguinte forma:
Minimizar 𝑧 = ∑ ∑ 𝑐𝑖𝑗𝑗 𝑥𝑖𝑗𝑖 (29)
Como a função z a ser otimizada foi definida, passamos agora a incorporar os outros custos
envolvidos no cálculo, conforme Tabela 25.
Tabela 25 - Novas variáveis envolvidas no custo do transporte.
Definição Símbolo
Frete (R$/km) 𝑓
Quantidades de briquetes transportadas (t) 𝑥𝑖𝑗1
Oferta de biomassa (t) 𝑎𝑖
Capacidade dos caminhões (t) 𝑐𝑎𝑝
Custo ambiental de transporte por quilômetro (R$/km) 𝑓2
Custo da energia para briquetagem por tonelada (R$/t) 𝑝1
Custo ambiental de briquetagem por tonelada (R$/t) 𝑝2
Distância entre municípios (km) 𝑑𝑖𝑗
Custo calculado de transporte (somente frete - R$) 𝑐1𝑖𝑗
Custo ambiental de transporte (R$) 𝑐2𝑖𝑗
Custo total de transporte (R$) 𝑐𝑡𝑟𝑖𝑗
Custo energético de briquetagem (R$) 𝑐𝑝𝑖
Custo ambiental de briquetagem (R$) 𝑐𝑝2𝑖
Custo total de briquetagem (R$) 𝑐𝑡𝑝𝑖
Custo total (R$) 𝑐𝑡𝑖𝑗
O custo calculado de transporte (𝑐1𝑖𝑗), somente o frete, é
𝑐1𝑖𝑗 =𝑓∗ 𝑥𝑖𝑗∗ 𝑑𝑖𝑗
𝑐𝑎𝑝 (30)
Entretanto, necessita-se saber a quantidade de viagens necessárias para escoar toda biomassa
𝑐2𝑖𝑗 =𝑓2∗ 𝑥𝑖𝑗∗ 𝑑𝑖𝑗
𝑐𝑎𝑝 (31)
𝑐𝑡𝑟𝑖𝑗 = 𝑐1𝑖𝑗 + 𝑐2𝑖𝑗 (32)
𝑐𝑝𝑖 = 𝑝1 ∗ 𝑎𝑖 (33)
𝑐𝑝2𝑖 = 𝑝2 ∗ 𝑎𝑖 (34)
𝑐𝑡𝑝𝑖 = 𝑐𝑝𝑖 + 𝑐𝑝2𝑖 (35)
𝑐𝑡𝑖𝑗 = 𝑐𝑡𝑟𝑖𝑗 + 𝑐𝑡𝑝𝑖 (36)
63
A otimização foi trabalhada em ambientes GAMS. Foram realizadas três iterações variando-
se a quantidade de resíduos aproveitados em 20%, 50% e 80%, a fim de analisar se a quantidade
resíduos de municípios produtores e a quantidade de distâncias das usinas termoelétricas seriam
viáveis, do ponto de vista financeiro.
6.12 RESULTADOS
Foram realizados 3 cenários e otimizações, variando as porcentagens de aproveitamento dos
resíduos das culturas de soja e milho do Estado de Mato Grosso em 80%, 50% e 20%. A cada
nova iteração, foram avaliados os municípios alvos para recebimento de biomassa com menor
custo de transporte associado.
CENÁRIO 1 –80% DE APROVEITAMENTO DOS RESÍDUOS AGRÍCOLAS
Os dados são apresentados no Anexo II.
Com 80% aproveitamento dos resíduos agrícolas da soja e milho, todos os municípios alvos
têm potencial para recebimento de biomassa para geração energia. Cada município com usina
instalada, tem potencial para receber biomassa de pelos menos 1 outro município além da sua
própria geração.
O custo total devido ao transporte e briquetagem da biomassa foi de R$176.290.795,10, onde
o transporte teve participação de 54,82% e o custo com briquetagem 44,91%.
A média das capacidades instaladas das potenciais usinas de combustão direta foi de 712,6
MW/ano. Já a média para usinas com gaseificação foi de 950,13 MWh médios. Entretanto, 2
possíveis usinas apresentaram valores para capacidade acima de 400 MW/ano. Estas, podem ser
utilizadas para integrarem a rede básica de eletricidade brasileira devido a significância em suas
potências instaladas. Já os 8 casos restantes podem ser avaliados para autoprodução ou
abastecimento de pequenas cidades próximas as usinas, uma vez que as usinas com capacidades
menores que 1 MW são classificadas como Centrais Elétricas Geradoras (ou CGH`s).
Quanto ao faturamento devido a venda da produção da energia elétricas do estado, das 10
possibilidades de geração, nenhuma teria o faturamento menor que 690 milhões de reais. O maior
faturamento e geração de energia foi para a tecnologia de gaseificação na Usina localizada em
Sorriso – MT, com R$ 3.482.443.113,83 para tecnologia de gaseificação. A média de faturamento
entras duas tecnologias seria de mais de 1,3 bilhões de reais.
CENÁRIO 2 – 50% DE APROVEITAMENTO DOS RESÍDUOS AGRÍCOLAS
Os dados serão apresentados no Anexo III.
64
Com 50% aproveitamento dos resíduos agrícolas da soja e milho, todos os municípios alvos
têm potencial para recebimento de biomassa para geração energia com duas fontes ou mais de
biomassa.
O custo total devido ao transporte e briquetagem da biomassa foi de R$243.917.704,04, onde
o transporte teve participação de 54,82% e o custo com briquetagem 44,91%.
A média das capacidades instaladas das potenciais usinas de combustão direta foi de 445,37
MWh. Já a média para usinas com gaseificação foi de 593,82 MWh médios. Porém, observando
os dados quando capacidade de casa usina nos diferentes casos, a tecnologia de gaseificação, por
ser mais eficiente, tem as melhores possibilidades de geração.
Quanto ao faturamento devido a venda da produção da energia elétricas do estado, a média
foi de 871 milhões de reais. Das 10 possibilidades de faturamento, 5 ficaram abaixo de 500
milhões de reais. O maior faturamento e geração de energia, novamente, foi para a tecnologia de
gaseificação na Usina localizada em Sorriso – MT, com 2,1 bilhões de reias.
CENÁRIO 3 – 20% DE APROVEITAMENTO DOS RESÍDUOS AGRÍCOLAS
Os resultados serão apresentados no Anexo IV.
Com 20% aproveitamento dos resíduos agrícolas da soja e milho, todos os municípios alvos
têm potencial para recebimento de biomassa para geração energia. Cada município com usina
instalada, tem potencial para receber biomassa de pelos menos 1 outro município além da sua
própria geração.
O custo total devido ao transporte e briquetagem da biomassa foi de R$97.567.188.60, onde
o transporte teve participação de 54,82% e o custo com briquetagem de 44,91%.
A média das capacidades instaladas das potenciais usinas de combustão direta foi de 178,15
MWh. Já a média para usinas com gaseificação foi de 237,53 MWh médios. Devido a isso, estes
empreendimentos podem ser direcionados para autoprodução de energia elétrica, no caso deste
cenário ser próximo do real.
Quanto ao faturamento devido a venda da produção da energia elétricas do estado, das 10
possibilidades de geração, 8 ficaram abaixo de meio bilhão de reais. O maior faturamento e
geração de energia foi, mais uma vez, para a tecnologia de gaseificação na Usina localizada em
Sorriso – MT, com 870 milhões de reais. A média de faturamento entras duas tecnologias foi de
mais de 348 milhões de reais.
65
6.12.1 Taxa de Pigou
A tributação, ou Taxa de Pigou, às atividades aos agentes poluidores devido suas atividades
danosas ao meio ambiente, trata do princípio que quem polui, deve ressarcir o meio poluído e os
agentes danificados. A emissão dos gases do efeito estufa produzidas pelo transporte e
briquetagem da biomassa foram identificados através dos custos ambientais dos mesmos. A
quantificação monetária desses custos ambientais pode ser realizada pela equivalência em
Créditos de Carbono, negociados nas principais bolsas de valores do mundo.
Por parte do governo, entidade interessada neste caso, caso fosse realizada uma estimativa
percentual para internalização dos custos de transporte e briquetagem de biomassa provenientes
das culturas da soja e do milho no Estado de Mato Grosso, estes seriam de 0,56% para o custo
com energia para briquetagem e 0,29% em cima dos custos energéticos totais do transporte.
6.12.2 Tecnologias empregadas
As tecnologias de transformação da biomassa utilizadas no estudo foram a briquetagem para
densificação dos resíduos vegetais das lavouras e a combustão direta e gaseificação como
tecnologias de conversão térmica para geração de energia elétrica e potenciais subprodutos.
Para a otimização, a eficiência energética obteve valores diferentes pois a tecnologia de
gaseificação é mais eficiente termicamente que a combustão direta. Entretanto, esses parâmetros
só influenciam a geração de energia e as receitas geradas pela venda da mesma (Anexos II, III e
IV). Foram utilizados os valores de eficiência de 60% para combustão direta e 80% para
gaseificação, dados da literatura (DAHLQUIST, 2013).
A diferença das tecnologias de conversão, proporcionou um faturamento de até 34% maior
para a tecnologia de gaseificação.
6.12.3 Custos Marginais
Os custos marginais equivalem os custos mínimos relacionados ao transporte da biomassa.
Estes apontam que, qualquer aumento na distância entre os municípios, serão acrescidos custos
ao valor base.
A programação em Ambiente GAMS possibilitou apresentar os resultados no que se refere os
custos marginais quanto ao frete e custos ambientais. Esses valores são dependentes das
eficiências dos caminhões e da quantidade de carga transportada. Assim, esse custo é apresentado
por tonelada. Os zeros equivalem aos municípios onde a briquetadeira está localizada juntamente
da usina, reduzindo o transporte a zero (Tabela 26).
66
Tabela 26 - Custos marginais de transporte de biomassa para o Estado de Mato Grosso (R$).
Custos marginais de transporte de biomassa para o Estado de Mato Grosso (R$)
Municípios Sorriso Sapezal
Campo
Novo do
Parecis
Primavera
do Leste Paranatinga
Sorriso 0 1878,66 1466,64 1927,8 1387,26
Nova
Mutum 601,02 1285,2 876,96 1795,5 1288,98
Sapezal 1878,66 0 408,24 2691,36 2570,4
Campo
Novo do
Parecis
1470,42 408,24 0 2396,52 2158,38
Nova
Ubiratã 328,86 2181,06 1769,04 1598,94 1058,4
Querência 2831,22 4014,36 3606,12 1984,5 1447,74
Diamantino 1069,74 1341,9 929,88 1576,26 1349,46
Primavera
do Leste 2366,28 2676,24 2381,4 0 540,54
Lucas do
Rio Verde 249,48 1632,96 1224,72 2143,26 1625,4
Canarana 2404,08 3591 3178,98 1557,36 1020,6
Campo
Verde 1976,94 2286,9 1992,06 389,34 929,88
Brasnorte 2090,34 756 619,92 3016,44 2778,3
Paranatinga 1387,26 2570,4 2158,38 540,54 3,78
67
Campos de
Júlio 2090,34 219,24 619,92 2903,04 2782,08
68
7 CONCLUSÃO
O Brasil se apresenta como um dos maiores produtores de grãos, cereais e leguminosas do
mundo. Porém, essa mesma produção gera grande quantidade de resíduos agroindustriais. A soja,
maior produção agrícola brasileira, tem grande parte dos seus resíduos aproveitados para
produção de farelos, rações de animais e adubos. O milho, segunda maior produção agrícola
brasileira, possui grande potencial para aproveitamento de parte dos resíduos. Mas, devido a essas
culturas serem muitos expressivas, por mais que uma pequena parcela não seja aproveitada, a
quantidade de toneladas de resíduos é muito grande e, destinar corretamente ou reaproveitá-los
para possível geração de energia elétrica ou produção de biocombustíveis, se faz necessário.
Assim, também é necessário calcular os custos logísticos dessa biomassa em potencial.
Através dos estudos desenvolvidos neste trabalho e com o auxílio do software GAMS, foram
elaboradas otimizações para tratar do problema relacionados a logística de produção, transporte
e operação de unidades de densificação e processamento de biomassa proveniente de resíduos
sólidos da agricultura do Estado de Mato Grosso. Foram estimadas e determinadas as localizações
geográficas de unidades de briquetagem e usinas termoelétricas para geração de energia elétrica
e/ou subprodutos, envolvendo custos relacionados ao transporte, briquetagem e impactos
ambientais compreendidos pelo processo.
Para alcançar a meta de estudo, foi elaborado um levantamento sobre as principais tecnologias
de densificação de biomassa sólida, apresentação das potenciais tecnologias de conversão para
essa biomassa, estudo da teoria de otimização com foco em modelos multiobjetivos, programação
linear em ambiente GAMS, coleta de dados de referência para transporte, densificação, emissão
de carbono, energia elétrica, eficiências térmicas e preço da energia. Após, foi realizada a
modelagem matemática do problema e sua posterior programação.
Na primeira parte do trabalho, foi realizado um levantamento sobre as culturas agrícolas
brasileiras mais representativas a nível municipal (soja e milho). Feito isso, identificou-se o
Estado de Mato Grosso como alvo de estudo, por ser o maior produtor de grãos do Brasil. Nota-
se que muitos produtores rurais alternam o plantio entre essas duas culturas temporárias e, devido
a isso, a grande produção das culturas terem sido encontrados nos mesmo locais. Assim, este
estado foi classificado como potencial gerador de biomassa (aproximadamente 14 milhões de
toneladas de resíduos gerados em 2014).
Numa segunda etapa, foi feita uma pesquisa sobre o estado-da-arte científico, de maneira que
este trabalho pode contribuir de maneira inovadora a comunidade científica, dado a proposta do
mesmo. Notou-se que, comparativamente, existem poucos trabalhos com esta proposta de análise.
69
E, assim, este trabalho é mais uma ferramenta de suporte a decisões quanto a otimização da
logística de produção e uso de biocombustíveis e a viabilidade de empreendimentos.
Na terceira etapa, foram contextualizadas as tecnologias de densificação e conversão de
biomassa. Atualmente, para compactação de resíduos sólidos provenientes da agricultura,
briquetadeiras são amplamente utilizadas pelos benefícios que estas agregam a biomassa como a
aumento da densidade final do produto, aumento da resistência (manuseio), redução de custos de
transporte, uniformização do material e facilidade de estocagem. Entretanto, existem tecnologias
de pelletização em uso no mercado que, dada as características regionais, se tornam mais atrativos
comercialmente. Quanto as tecnologias de conversão, a gaseificação e a pirólise estão em fase de
desenvolvimento e ajustes, não sendo encontradas muitas plantas industriais com estas
tecnologias. Portanto, a combustão direta serviu de base para os estudos deste trabalho. Levantou-
se, também, dados quanto a geração de energia elétrica por fontes de biomassa e sobre emissões
gases do efeito estudo e os créditos associados a estes. Foram revelados que existem uma boa
participação no mercado de geração de energia elétrica quanto a fonte por biomassa e
comercialização de créditos de carbono, sendo que a emissão em tonelada equivalente de CO2
pelo transporte e densificação da biomassa são mitigados pela conversão da mesma.
Na quarta etapa, foi apresentada a teoria de otimização linear e dualidade, onde sistemas
lineares e verificado como esta ferramenta de decisão quanto ao gerenciamento da logística de
produção.
Dentro do contexto de otimização, os modelos tecnológicos de previsão de demanda, trocas
compensatórias com enfoque multiobjetivos, foram introduzidos para que, com a modelagem
matemática do problema, pudessem ser previstas as ofertas de biomassa (matéria-prima),
demandas e localizações de mercado (usinas termoelétricas) e, assim, calculados os custos por
densificação, transporte, impactos ambientais associados, taxas compensatórias, emissões de
carbono, bem como o faturamento pela venda dos créditos de carbono e energia elétrica geradas.
Da otimização, 5 municípios do Estado (Sorriso, Sapezal, Campo Novo do Parecis, Primavera
do Leste e Paranatinga) são potenciais candidatos para o recebimento de usinas termoelétricas de
processamento de biomassa sólida. As potências variam conforme o cenário de aproveitamento
dos resíduos, mas em todos eles há possibilidade de geração expressiva, pois as culturas possuem,
em termos quantitativos, números elevados de geração de resíduos.
Em todos os cenários, observou-se que os custos com transporte (~54%) são próximos aos
custos de briquetagem (~45%) da biomassa. Os custos ambientais de ambos os processos são
menores que 1% quanto aos custos de energia. A receita gerada no pior cenário, Cenário 3, para
tecnologia de menor eficiência energética foi de 3 bilhões de reais. O valor mais alto para este
70
parâmetro calculado foi de R$357.538.521,66 no Cenário 3, para usina com tecnologia de
gaseificação localizada no município de Sorriso – MT.
Do ponto de vista de faturamento, a tecnologia de gaseificação de biomassa se apresenta mais
atraente que a de combustão direta. Porém, recomenda-se analisar se a instalação, operação e
manutenção de tipo de empreendimento, bem como a análise da taxa de retorno de investimento
corroboram para este apontamento.
Quanto ao transporte recomenda-se analisar se as rotas de transporte são viáveis no sentido
de infraestrutura viária, se há cobrança de pedágios, se existem outros modais de transporte na
região entre os municípios e se os custos que foram desconsiderados neste trabalho tornam
inviável o transporte da biomassa.
Quanto a densificação da biomassa, foram investigados que na região sul do pais são
utilizados tecnologia de pelletizaçao de cascas de arroz. Entretanto, não foram encontrados dados
que identificam esta tecnologia a melhor para a densificação de resíduos da soja e do milho até a
presente confecção deste trabalho.
Quanto a tecnologias de conversão, até o presente momento usinas de queima direta
(combustão direta) da biomassa ainda são a maioria quando se investiga a conversão da biomassa
solida agrícola.
Quanto ao potencial total de geração de energia a partir dessa biomassa potencial, o Estado
de Mato Grosso é o estado com maior potencial para geração de biomassa provenientes das
culturas da soja e do milho com valores da ordem de 890 MW/ano para o pior cenário de
aproveitamento da biomassa estudada.
E, da otimização, foram encontradas as melhores rotas da biomassa que levam em
consideração o menor custo de transporte e densificação da biomassa. Nenhuma usina deixou de
receber uma quantidade significativa de quantidade de briquetes para geração de energia, ou seja,
todas elas, pela otimização, se confirmaram como potenciais para geração de energia elétrica.
Finalizando, no pior cenário de aproveitamento (Cenário 3 – 20% de aproveitamento dos
resíduos gerados), as quantidades de energia útil disponível, potência gerada, créditos de carbono,
emissão de CO2 evitada e receita gerada pela venda da energia elétrica ainda são muito
expressivos, revelando assim o grande potencial reaproveitamento, destino e uso destes resíduos
como fonte de energia alternativa e solução de problemas ambientais.
71
8 REFERÊNCIA BIBLIOGRÁFICA
______.______. Anuário Estatístico do Agronegócio – Secretaria de Produção e
Agroenergia. Brasília: Mapa, 2010c. 78 p.
______.______. Arquivos dos Fatores de Emissão - MCT. Disponível em
<http://www.mct.gov.br/index.php/content/view/321144.html>. Acessado em 12/11/2015.
______.______. Banco de Geração de Informação – ANEEL. Disponível em:
<http://www.aneel.gov.br/aplicacoes/capacidadebrasil/OperacaoCapacidadeBrasil.cfm>.
Acessado em 01/11/2015).
______.______. Cotação e boletins de moedas. Banco Central do Brasil. Disponível em <
http://www4.bcb.gov.br/pec/taxas/port/ptaxnpesq.asp?id=txcotacao>. Acessado em 12/11/2015.
______._______. Entenda como funciona o mercado de crédito de carbono. Portal Brasil.
Disponível em <http://www.brasil.gov.br/meio-ambiente/2012/04/entenda-como-funciona-o-
mercado-de-credito-de-carbono>. Acesso em: 01/06/2015.
______._______. Resultado do Leilão FA 2015 – EPE. Disponível em:
http://www.epe.gov.br/leiloes/Paginas/Leil%C3%A3o%20de%20Energia%20de%20Fontes%20
Alternativas%202015/Leil%C3%A3oFA2015negociaenergiade11usinascomdes%C3%A1giode
1,96.aspx?CategoriaID=6976. Acessado em 12/11/2015.
______._______- Mapa de Localização das Centrais Geradoras e Linhas de Transmissão
de Energia Elétrica no Estado de Mato Grosso - ANEEL. Disponível em
http://www.sindenergia.com.br/arquivos/095_mapa2014_bacias_detalhada.pdf. Acesso em
10/11/2015.
______._______- Levantamento Sistemático de preços. ANP. Disponível em
http://www.anp.gov.br/preco/prc/Resumo_Por_Estado_Municipio.asp. Acessado em
12/11/2015.
______._______- Modalidade Tarifária Convencional – Baixa Tensão. ENERGISA.
Disponível em <http://www.energisa.com.br/Paginas/informacoes/taxas-prazos-e-normas/tipos-
tarifas.aspx>. Acessado em 12/11/2015.
______._______- Tecnologias de produção de soja – Região Central do Brasil 2004.
Disponível em <http://www.cnpso.embrapa.br/producaosoja/rotacao.htm>. Acesso em
06/11/2015.
______._______- INVENTÁRIO NACIONAL DE EMISSÕES ATMOSFÉRICAS POR
VEÍCULOS AUTOMOTORES RODOVIÁRIOS – Ministério do Meio Ambiente – MMA –
2011. Disponível em <
72
http://www.mma.gov.br/estruturas/163/_publicacao/163_publicacao27072011055200.pdf>.
Acesso em 06/11/2015.
ABIB – ASSOCIAÇÃO BRASILEIRA DE INDÚSTRIAS DA BIOMASSA. Inventário
residual Brasil. 2011. Disponível em: <http://pt.calameo.com/accounts/200968>.
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Biomassa. Disponível em:
http://www.aneel.gov.br/aplicacoes/atlas/pdf/05-Biomassa (2).pdf. Acesso em: 18 de maio de
2015.
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Nota Técnica nº 269/2009-
SRE/ANEEL, junho de 2015. Disponível em:
<http://www.aneel.gov.br/cedoc/nreh2009857.pdf>
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA. Banco de Informações de Geração:
BIG. Disponível em: <www.aneel.gov.br/15.htm>. Acesso em: 31 maio 2015.
ALTAFINI C. R. Apostila sobre Caldeiras. Universidade de Caxias do Sul, 2002.
ANDRITZ FUEL & BIOFUEL. Produção de combustíveis “verdes” a partir de
Biomassa. Disponível em <http://www.adetec.org.br/Administracao/Eventos/andritz.pdf>,
acesso em 19/05/2015.
BEZZON G. Capítulo V - Compactação de Biomassa. Biomassa para Energia, 2006
BARRETO, L. Programação Linear – Introdução, 2010. Disponível em:
http://sites.google.com/site/leonardbarreto/pesquisaoperacional Acesso em 15/05/2015.
BEENACKERS, A. A. C. M.; BRIDGWATER, A. V., Gasification and Pyrolysis of
Biomass in Europe, in Pyrolysis and Gasification, Elsevier Applied Sciences, Vol. I, pp-129-
155, Londres, 1989.
BEZZON G. Capítulo V - Compactação de Biomassa. Biomassa para Energia, 2006
BRASIL. Ministério de Minas e Energia. Balanço energético nacional - BEN. Brasília:
MME, 2007.
BRASIL. Ministério de Minas e Energia. Balanço energético nacional - BEN. Brasília:
MME, 2014.
CASTRO, Nivalde José; BRANDÃO, Roberto; DANTAS, Guilherme de A. Alternativas
de Complementação do Parque Hídrico. Mimeo. GESEL/IE/UFRJ. Rio de Janeiro, 2009.
CAPUTO, A.C., Palumbo, M., Pelagagge, P.M. & Scacchia, F.: Economics of biomass
energy utilization in combustion and gasification plants: effects of logistic variables. Biomass
Bioenergy 28 (2005), pp. 35–51.
73
CARVALHO E. A., BRINCK V., Briquetagem. Capítulo 15. Livro de Tratamento de
Minérios, Ministério da Ciência e Tecnologia, Rio de Janeiro, 2004
CENTRO NACIONAL DE REFERÊNCIA EM BIOMASSA (CENBIO). Levantamento do
potencial real de excedentes de cogeração no setor sucro alcooleiro: relatório técnico.
Brasília: ANEEL, 2012.
CHANKONG, V. e HAIMES, Y. Y., Multiobjective Decision Making Theory and
Methodology, Elsevier Science. New York, 1983.
COELHO, Suani Teixeira et. al. Panorama do potencial de biomassa no Brasil. Brasília:
ANEEL, 2002. 75 p
COELHO, S. T, PALETTA, C. E. M. e FREITAS, M. A. V. Medidas Mitigadoras para a
Redução de Emissões de Gases de Efeito Estufa na Geração Termelétrica. Brasília:
Dupligráfica, 2000
CORTEZ, L. A. B., LORA E. S., AYARZA J. A. C. Capítulo I – Biomassa no Brasil e no
Mundo. Biomassa para Energia, 2006.
DAHLQUIST, ERIK. Technologies for Converting Biomass to Useful Energy:
Combustion, Gasification, Pyrolysis, Torrefaction and Fermentation. University of Southern
Queensland (USQ), Toowoomba, Australia. Royal Institute of Technology (KTH), Stockholm,
Sweden, 2013.
DINKELBACH, L., 2000, Thermochemical Conversion of Willow from Short Rotation
Forestry. In: ECNC--00-028 REGROW Guide, Energy research Centre of the Netherlands –
ECN, Petten, the Netherlands.
DAHLQUIST, Erik. Technologies for Converting Biomass to Useful Energy:
COMBUSTION, GASIFICATION, PYROLYSIS, TORREFACTIONAND
FERMENTATION. nullCRC Press, 2013.
ENERGIAS RENOVÁVEIS DO BRASIL. Avaliação da logística inicial de cadeias
produtivas. Disponível em: http://www.erbrasil.com.br/modelo/modelo-4.php. Acessado em
01/06/2015
FELFLI F. F., Melhoramento das características energéticas de resíduos de biomassa
através da torrefação. Campinas: Faculdade de Engenharia mecânica, UNICAMP, 1999
GRIVE I, NASH S. G., SOFER A. Linear and Nonlinear Optimization.Second Edition.
George Mason University, Fairfax, Virginia, 2009.
IBGE, Produção Agropecuária Municipal, 2014, disponível em
http://www.sidra.ibge.gov.br/bda/acervo/acervo2.asp?e=v&p=PA&z=t&o=11
74
IPCC - Intergovernmental Panel on Climate Change. Revised 1996 IPCC Guidelines for
National Greenhouse Gas Inventories - Reference Manual (v. 3) e Workbook (v. 2), 1996.
Disponível em: <http://www.ipcc-nggip.iges.or.jp/public/gl/invs1.html>.
IPEA – Sustentabilidade Ambiental no Brasil: biodiversidade, economia e bem-estar
humano. Utilização do Mecanismo de Desenvolvimento Limpo (COMUNICADO). Brasil, 23
de fevereiro de 2011.
LIMA A. G. G., Máquinas Térmicas. Faculdade de Engenharia da Universidade do Estado
do Rio de Janeiro – UERJ. Disponível em:
<http://antonioguilherme.web.br.com/Arquivos/maq_termica.php>, acesso em 29/05/2015.
LUENGO C. A., BEZZON G., FELFLI F. E. F., Capítulo X - Pirólise e Torrefação de
Biomassa. Biomassa para Energia, 2006.
MAFFIOLETTI, J.; MOTA N., J., Geração de energia elétrica com uso de casca de arroz.
Revista Brasileira de Energia, Vol. 19, n°1, pp. 49-59, 2013.
MANUEL C. de SOUSA DIAS, Produção de briquetes e pellets a partir de resíduos
agrícolas, agroindustriais e florestais. Embrapa Agroenergia, Brasília, 2012.
MATOS, A. T. Curso sobre tratamento de resíduos agroindustriais. [s.l.]:[s.n.],
2005.Disponível em: <http://www.ebah.com.br/content/ABAAAAYNoAL/tratamento-
residuosagroindustriais>.
MAUÉS, J. ARONE. Maximização da geração elétrica a partir do bagaço e palha em
usinas de açúcar e álcool. Revista Engenharia, 2007.
NIGEL S. “Administração da Produção “ Revisão técnica Henrique Correia, Irineu
Gianesi-1.ed.-14.reimpr- São Paulo: Atlas 2011.
NOGUEIRA, F. Programação Linear. 2009. Disponível em
<http://www.inf.ufpr.br/ess07/Meus_Programas/PO/4shared/programa%25E7%25E3o_linear.p
df>, acesso em 01/06/2015. >
OLIVA, G.M. 2005. Tese de Doutorado. Engenharia de Produção. Planejamento Conjunto
e Colaborativo da Cadeia de Suprimentos: Modelo de Controle Ótimo Multiobjetivo com
Custo de Transporte. Escola de Engenharia, Programa de Pós-Graduação em Engenharia de
Produção, Universidade Federal do Rio Grande do Sul, 2005.
OLIVEIRA, R. R. L. de, Moldagem de briquetes com finos de carvão vegetal aglutinado
com parafina: caracterização de algumas propriedades. Universidade Federal de São Carlos,
Campus Sorocaba, 2013.
75
PESSÔA, A. Agricultura. Brasília: MRE, 2009. Disponível em:
<http://www.brazil.guide.com.br/port/economia/agric/apresent/index.php>. Acesso em: 28 maio.
2015.
QUIRINO, W. F., Densificação de Resíduos da Biomassa. Workshop - Madeira Energética:
Principais questões envolvidas na organização e no aperfeiçoamento do uso energético da lenha,
2007.
ROSENTHAL, R. E., A Gams Tutorial. Naval Postgraduate School, Monterey, California,
USA, 2010.
ROSSI, W. A sustentabilidade da agricultura brasileira. [s.l.: s.n.], 2011. Disponível
em:<http://www.brasilagro.com.br/index.php?noticias/visualizar_impressao/14/34714>. Acesso
em: 27 maio. 2015.
SANTOS M. O. dos, Programação Matemática – Otimização Linear. Aula 1 Instituto de
Ciências Matemáticas e de Computação – ICMC. Universidade de São Paulo – USP, 2010.
Disponível em < http://wiki.icmc.usp.br/images/f/fd/Aula1PM_mari.pdf > Acesso em
08/06/2015.
SANTOS M. O. dos, Programação Matemática – Otimização Linear. Aula 2Instituto de
Ciências Matemáticas e de Computação – ICMC. Universidade de São Paulo – USP,
2010.Disponível em <http://wiki.icmc.usp.br/images/1/13/Aula2PM_mari.pdf> Acesso em
08/06/2015.
SANTOS M. P. dos, Programação Linear. Departamento de Matemática Aplicada. Instituto
de Matemática e Estatística. Universidade do Estado do Rio de Janeiro, 2000.
SECRETARIA ESTADUAL DE MEIO AMBIENTE E RECURSOS HÍDRICOS
(CETESB). Encontro sobre Mudanças Climáticas: São Paulo e o relatório do IPCC, 2007.
SCHNEIDER, V. E.; PERESIN, D.; TRENTIN, A. C.; BORTOLIN, T. A.; SAMBUICHI,
R. H. R. Diagnóstico dos Resíduos Orgânicos do Setor Agrossilvopastoril e Agroindústrias
Associadas, Relatório de pesquisa. Brasília, DF: IPEA, 2012. Disponível em: <
http://www.ipea.gov.br/portal/index.php?option=com_content&view=article&id=18253>.
Acesso em: maio. 2012.
SILBERSTEIN, E. UnB mapeia matérias primas para a fabricação de briquetes. UnB
Ciência, 19 dez. 2011. Disponível em:
<http://www.unbciencia.unb.br/index.php?option=com_content&view=article&id=366:unb-
apeia-materias-primas-paraa-fabricacao-de-briquetes&catid=41:florestal>. Acesso em: 20
maio.2015. Entrevista com o professor Luiz Vicente Gentil da Faculdade de Agronomia da Unb.
76
UNITED NATIONS FRAMEWORK CONVENTION ON CLIMATE CHANGE
(UNFCCC). Global Warming Potentials. Disponível em:
<http://unfccc.int/ghg_data/items/3825.php>, acesso em 08/06/2015
VERINGA, H.J., 2000, Advanced Techniques for Generation of Energy from Biomass
and Waste, Energy research Centre of the Netherlands – ECN, disponível em
http://www.ecn.nl/fileadmin/ecn/units/bio/Overig/pdf/Biomassa_voordelen.pdf, acessado em
14/04/2015.
WALTER, A. C. S.; NOGUEIRA, L. A. H. Produção de eletricidade a partir da biomassa. In:
CORTEZ, L. A. B.; LORA, E. S. (Coord.). Tecnologias de conversão energética da biomassa.
Manaus: EDUA, EFEI, 1997. cap. 11.
ZHANBIN C., Normal Temperature Briquetting Technology for Biomass with Original
Moisture Content, International Conference on Bioenergy Utilization and Environment
Protection, 6th LAMNET Workshop – Dalian, China, 2003.
77
9 ANEXOS
ANEXO I – Lista de países que ratificaram o Protocolo de Quioto
78
ANEXO II – CENÁRIO 1 – 80% DE APROVEITAMENTO DOS RESÍDUOS
Distâncias entre municípios (km)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 0 497 388 510 367
Nova Mutum 159 340 232 475 341
Sapezal 497 0 108 712 680
Campo Novo do
Parecis
389 108 0 634 571
Nova Ubiratã 87 577 468 423 280
Querência 749 1062 954 525 383
Diamantino 283 355 246 417 357
Primavera do
Leste
626 708 630 0 143
Lucas do Rio
Verde
66 432 324 567 430
Canarana 636 950 841 412 270
Campo Verde 523 605 527 103 246
Brasnorte 553 200 164 798 735
Paranatinga 367 680 571 143 1
Campos de Júlio 553 58 164 768 736
Quantidades Briquetes Transportadas (t)
Sorriso Sapezal
Campo Novo
do Parecis
Primavera do
Leste Paranatinga
Sorriso 2.074.554 0 0 0 0
Nova Mutum 1.169.256 0 0 0 0
Sapezal 0 1.099.363 0 0 0
Campo Novo do
Parecis 0 0 1.071.077 0 0
Nova Ubiratã 1.032.677 0 0 0 0
Querência 0 0 0 0 566.793
Diamantino 0 0 559.819 0 0
Primavera do
Leste 0 0 0 785.211 0
79
Lucas do Rio
Verde 775.078 0 0 0 0
Canarana 0 0 0 0 396.326
Campo Verde 0 0 0 650.730 0
Brasnorte 0 0 379.729 0 0
Paranatinga 0 0 0 0 372.826
Campos de Júlio 0 622.826 0 0 0
Custo Calculado de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 0,00 0,00 0,00 0,00 0,00
Nova
Mutum 41.338.014,18 0,00 0,00 0,00 0,00
Sapezal 0,00 0,00 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 0,00 0,00 0,00
Nova
Ubiratã 19.976.828,97 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 48.268.741,66
Diamantino 0,00 0,00 30.621.451,63 0,00 0,00
Primavera
do Leste 0,00 0,00 0,00 0,00 0,00
Lucas do
Rio Verde 11.374.491,74 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 23.793.523,96
Campo
Verde 0,00 0,00 0,00 14.903.238,97 0,00
Brasnorte 0,00 0,00 13.847.145,75 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 82.898,87
Campos de
Júlio 0,00 8.032.262,35 0,00 0,00 0,00
Custo ambiental de transporte (R$)
Sorriso Sapezal
Campo Novo
do Parecis
Primavera
do Leste Paranatinga
80
Sorriso 0,00 0,00 0,00 0,00 0,00
Nova
Mutum
120.295,81 0,00 0,00 0,00 0,00
Sapezal 0,00 0,00 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 0,00 0,00 0,00
Nova
Ubiratã
58.133,63 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 140.464,59
Diamantino 0,00 0,00 89.110,04 0,00 0,00
Primavera
do Leste
0,00 0,00 0,00 0,00 0,00
Lucas do
Rio Verde
33.100,37 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 69.240,41
Campo
Verde
0,00 0,00 0,00 43.369,21 0,00
Brasnorte 0,00 0,00 40.295,93 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 241,24
Campos de
Júlio
0,00 23.374,31 0,00 0,00 0,00
Custo Total de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 0,00 0,00 0,00 0,00 0,00
Nova
Mutum 41.458.309,99 0,00 0,00 0,00 0,00
Sapezal 0,00 0,00 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 0,00 0,00 0,00
Nova
Ubiratã 20.034.962,60 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 48.409.206,26
Diamantino 0,00 0,00 30.710.561,67 0,00 0,00
81
Primavera
do Leste 0,00 0,00 0,00 0,00 0,00
Lucas do
Rio Verde 11.407.592,12 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 23.862.764,38
Campo
Verde 0,00 0,00 0,00 14.946.608,18 0,00
Brasnorte 0,00 0,00 13.887.441,67 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 83.140,11
Campos de
Júlio 0,00 8.055.636,66 0,00 0,00 0,00
Custos Marginais de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 0,00 1.878,66 1.466,64 1.927,80 1.387,26
Nova Mutum 601,02 1.285,20 876,96 1.795,50 1.288,98
Sapezal 1.878,66 0,00 408,24 2.691,36 2.570,40
Campo Novo do
Parecis
1.470,42 408,24 0,00 2.396,52 2.158,38
Nova Ubiratã 328,86 2.181,06 1.769,04 1.598,94 1.058,40
Querência 2.831,22 4.014,36 3.606,12 1.984,50 1.447,74
Diamantino 1.069,74 1.341,90 929,88 1.576,26 1.349,46
Primavera do
Leste
2.366,28 2.676,24 2.381,40 0,00 540,54
Lucas do Rio
Verde
249,48 1.632,96 1.224,72 2.143,26 1.625,40
Canarana 2.404,08 3.591,00 3.178,98 1.557,36 1.020,60
Campo Verde 1.976,94 2.286,90 1.992,06 389,34 929,88
Brasnorte 2.090,34 756,00 619,92 3.016,44 2.778,30
Paranatinga 1.387,26 2.570,40 2.158,38 540,54 3,78
Campos de Júlio 2.090,34 219,24 619,92 2.903,04 2.782,08
Capacidade da Usina Instalada - Combustão Direta (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
82
Sorriso 639,62 0,00 0,00 0,00 0,00
Nova Mutum 360,50 0,00 0,00 0,00 0,00
Sapezal 0,00 338,95 0,00 0,00 0,00
Campo Novo do
Parecis
0,00 0,00 330,23 0,00 0,00
Nova Ubiratã 318,39 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 174,75
Diamantino 0,00 0,00 172,60 0,00 0,00
Primavera do
Leste
0,00 0,00 0,00 242,09 0,00
Lucas do Rio
Verde
238,97 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 122,19
Campo Verde 0,00 0,00 0,00 200,63 0,00
Brasnorte 0,00 0,00 117,08 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 114,95
Campos de Júlio 0,00 192,03 0,00 0,00 0,00
Capacidade da Usina Instalada -Gaseificação (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 852,82 0,00 0,00 0,00 0,00
Nova Mutum 480,67 0,00 0,00 0,00 0,00
Sapezal 0,00 451,93 0,00 0,00 0,00
Campo Novo do
Parecis
0,00 0,00 440,31 0,00 0,00
Nova Ubiratã 424,52 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 233,00
Diamantino 0,00 0,00 230,13 0,00 0,00
Primavera do
Leste
0,00 0,00 0,00 322,79 0,00
Lucas do Rio
Verde
318,62 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 162,92
Campo Verde 0,00 0,00 0,00 267,51 0,00
83
Brasnorte 0,00 0,00 156,10 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 153,26
Campos de Júlio 0,00 256,04 0,00 0,00 0,00
Faturamento pela produção de energia elétrica - Combustão Direta (R$)
Sorriso Sapezal
Campo
Novo do
Parecis
Primavera
do Leste Paranatinga
Sorriso 1.072.615.564,99 0,00 0,00 0,00 0,00
Nova
Mutum 604.545.568,29 0,00 0,00 0,00 0,00
Sapezal 0,00 568.408.586,74 0,00 0,00 0,00
Campo Novo
do Parecis 0,00 0,00 553.783.545,04 0,00 0,00
Nova
Ubiratã 533.929.424,28 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 293.051.372,31
Diamantino 0,00 0,00 289.445.781,25 0,00 0,00
Primavera
do Leste 0,00 0,00 0,00 405.981.197,56 0,00
Lucas do Rio
Verde 400.741.777,81 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 204.913.966,73
Campo
Verde 0,00 0,00 0,00 336.449.584,89 0,00
Brasnorte 0,00 0,00 196.332.850,28 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 192.763.658,45
Campos de
Júlio 0,00 322.022.670,77 0,00 0,00 0,00
Faturamento pela produção de energia elétrica - Gaseificação (R$)
Sorriso Sapezal
Campo
Novo do
Parecis
Primavera
do Leste Paranatinga
Sorriso 1.430.154.086,65 0,00 0,00 0,00 0,00
Nova
Mutum
806.060.757,72 0,00 0,00 0,00 0,00
84
Sapezal 0,00 757.878.115,66 0,00 0,00 0,00
Campo Novo
do Parecis
0,00 0,00 738.378.060,05 0,00 0,00
Nova
Ubiratã
711.905.899,04 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 390.735.163,08
Diamantino 0,00 0,00 385.927.708,33 0,00 0,00
Primavera
do Leste
0,00 0,00 0,00 541.308.263,41 0,00
Lucas do Rio
Verde
534.322.370,42 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 273.218.622,30
Campo
Verde
0,00 0,00 0,00 448.599.446,52 0,00
Brasnorte 0,00 0,00 261.777.133,71 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 257.018.211,27
Campos de
Júlio
0,00 429.363.561,03 0,00 0,00 0,00
Tabela de Custos Totais (R$)
Custo ambiental de transporte R$ 617.625,55
Custo Total de Transporte R$ 212.856.223,63
Custo energético de briquetagem R$ 175.308.512,74
Custo total de briquetagem R$ 982.282,37
Custo total R$ 389.147.018,75
85
ANEXO III – CENÁRIO 2 – 50% DE APROVEITAMENTO DOS RESÍDUOS
Distâncias entre municípios (km)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 0 497 388 510 367
Nova Mutum 159 340 232 475 341
Sapezal 497 0 108 712 680
Campo Novo do
Parecis
389 108 0 634 571
Nova Ubiratã 87 577 468 423 280
Querência 749 1062 954 525 383
Diamantino 283 355 246 417 357
Primavera do
Leste
626 708 630 0 143
Lucas do Rio
Verde
66 432 324 567 430
Canarana 636 950 841 412 270
Campo Verde 523 605 527 103 246
Brasnorte 553 200 164 798 735
Paranatinga 367 680 571 143 1
Campos de Júlio 553 58 164 768 736
Quantidades Briquetes Transportadas (t)
Sorriso Sapezal
Campo Novo
do Parecis
Primavera do
Leste Paranatinga
Sorriso 1.296.593 0 0 0 0
Nova Mutum 730.784 0 0 0 0
Sapezal 0 687.101 0 0 0
Campo Novo do
Parecis
0 0 669.422 0 0
Nova Ubiratã 645.422 0 0 0 0
Querência 0 0 0 0 354.245
Diamantino 0 0 349.886 0 0
Primavera do
Leste
0 0 0 490.756 0
86
Lucas do Rio
Verde
484.423 0 0 0 0
Canarana 0 0 0 0 247.703
Campo Verde 0 0 0 406.705 0
Brasnorte 0 0 237.330 0 0
Paranatinga 0 0 0 0 233.016
Campos de Júlio 0 389.266 0 0 0
Custo Calculado de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 288.301,36 0,00 0,00 0,00 0,00
Nova
Mutum 25.836.207,19 0,00 0,00 0,00 0,00
Sapezal 0,00 152.778,85 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 148.847,88 0,00 0,00
Nova
Ubiratã 12.485.493,13 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 30.167.903,20
Diamantino 0,00 0,00 19.138.368,99 0,00 0,00
Primavera
do Leste 0,00 0,00 0,00 109.121,04 0,00
Lucas do
Rio Verde 7.109.043,12 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 14.870.922,73
Campo
Verde 0,00 0,00 0,00 9.314.505,73 0,00
Brasnorte 0,00 0,00 8.654.448,78 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 51.811,69
Campos de
Júlio 0,00 5.020.153,93 0,00 0,00 0,00
Custo ambiental de transporte (R$)
Sorriso Sapezal
Campo Novo
do Parecis
Primavera
do Leste Paranatinga
87
Sorriso 838,97 0,00 0,00 0,00 0,00
Nova
Mutum
75.184,73 0,00 0,00 0,00 0,00
Sapezal 0,00 444,59 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 433,16 0,00 0,00
Nova
Ubiratã
36.333,45 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 87.790,19
Diamantino 0,00 0,00 55.693,67 0,00 0,00
Primavera
do Leste
0,00 0,00 0,00 317,55 0,00
Lucas do
Rio Verde
20.687,69 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 43.275,17
Campo
Verde
0,00 0,00 0,00 27.105,70 0,00
Brasnorte 0,00 0,00 25.184,90 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 150,77
Campos de
Júlio
0,00 14.608,91 0,00 0,00 0,00
Custo Total de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 289.140,33 0,00 0,00 0,00 0,00
Nova
Mutum 25.911.391,92 0,00 0,00 0,00 0,00
Sapezal 0,00 153.223,44 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 149.281,03 0,00 0,00
Nova
Ubiratã 12.521.826,58 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 30.255.693,40
Diamantino 0,00 0,00 19.194.062,66 0,00 0,00
88
Primavera
do Leste 0,00 0,00 0,00 109.438,59 0,00
Lucas do
Rio Verde 7.129.730,81 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 14.914.197,91
Campo
Verde 0,00 0,00 0,00 9.341.611,43 0,00
Brasnorte 0,00 0,00 8.679.633,69 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 51.962,46
Campos de
Júlio 0,00 5.034.762,84 0,00 0,00 0,00
Custos Marginais de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 3,78 1.878,66 1.466,64 1.927,80 1.387,26
Nova Mutum 601,02 1.285,20 876,96 1.795,50 1.288,98
Sapezal 1.878,66 3,78 408,24 2.691,36 2.570,40
Campo Novo do
Parecis 1.470,42 408,24 3,78 2.396,52 2.158,38
Nova Ubiratã 328,86 2.181,06 1.769,04 1.598,94 1.058,40
Querência 2.831,22 4.014,36 3.606,12 1.984,50 1.447,74
Diamantino 1.069,74 1.341,90 929,88 1.576,26 1.349,46
Primavera do
Leste 2.366,28 2.676,24 2.381,40 3,78 540,54
Lucas do Rio
Verde 249,48 1.632,96 1.224,72 2.143,26 1.625,40
Canarana 2.404,08 3.591,00 3.178,98 1.557,36 1.020,60
Campo Verde 1.976,94 2.286,90 1.992,06 389,34 929,88
Brasnorte 2.090,34 756,00 619,92 3.016,44 2.778,30
Paranatinga 1.387,26 2.570,40 2.158,38 540,54 3,78
Campos de Júlio 2.090,34 219,24 619,92 2.903,04 2.782,08
Capacidade da Usina Instalada - Combustão Direta (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
89
Sorriso 399,76 0,00 0,00 0,00 0,00
Nova Mutum 225,31 0,00 0,00 0,00 0,00
Sapezal 0,00 211,84 0,00 0,00 0,00
Campo Novo do
Parecis
0,00 0,00 206,39 0,00 0,00
Nova Ubiratã 198,99 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 109,22
Diamantino 0,00 0,00 107,88 0,00 0,00
Primavera do
Leste
0,00 0,00 0,00 151,31 0,00
Lucas do Rio
Verde
149,36 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 76,37
Campo Verde 0,00 0,00 0,00 125,39 0,00
Brasnorte 0,00 0,00 73,17 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 71,84
Campos de Júlio 0,00 120,02 0,00 0,00 0,00
Capacidade da Usina Instalada -Gaseificação (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 533,01 0,00 0,00 0,00 0,00
Nova Mutum 300,42 0,00 0,00 0,00 0,00
Sapezal 0,00 282,46 0,00 0,00 0,00
Campo Novo do
Parecis
0,00 0,00 275,19 0,00 0,00
Nova Ubiratã 265,32 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 145,63
Diamantino 0,00 0,00 143,83 0,00 0,00
Primavera do
Leste
0,00 0,00 0,00 201,74 0,00
Lucas do Rio
Verde
199,14 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 101,83
Campo Verde 0,00 0,00 0,00 167,19 0,00
90
Brasnorte 0,00 0,00 97,56 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 95,79
Campos de Júlio 0,00 160,02 0,00 0,00 0,00
Faturamento pela produção de energia elétrica - Combustão Direta (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 670.383.387,35 0,00 0,00 0,00 0,00
Nova Mutum 377.840.224,50 0,00 0,00 0,00 0,00
Sapezal 0,00 355.254.656,20 0,00 0,00 0,00
Campo Novo
do Parecis 0,00 0,00 346.114.023,42 0,00 0,00
Nova Ubiratã 333.705.222,76 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 183.156.741,38
Diamantino 0,00 0,00 180.903.251,47 0,00 0,00
Primavera do
Leste 0,00 0,00 0,00 253.737.741,00 0,00
Lucas do Rio
Verde 250.463.110,21 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 128.070.973,06
Campo
Verde 0,00 0,00 0,00 210.280.570,00 0,00
Brasnorte 0,00 0,00 122.707.786,01 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 120.477.045,58
Campos de
Júlio 0,00 201.263.766,70 0,00 0,00 0,00
Faturamento pela produção de energia elétrica - Gaseificação (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 893.844.516,46 0,00 0,00 0,00 0,00
Nova Mutum 503.786.966,00 0,00 0,00 0,00 0,00
Sapezal 0,00 473.672.874,94 0,00 0,00 0,00
Campo Novo
do Parecis 0,00 0,00 461.485.364,56 0,00 0,00
Nova Ubiratã 444.940.297,02 0,00 0,00 0,00 0,00
91
Querência 0,00 0,00 0,00 0,00 244.208.988,50
Diamantino 0,00 0,00 241.204.335,30 0,00 0,00
Primavera do
Leste 0,00 0,00 0,00 338.316.988,00 0,00
Lucas do Rio
Verde 333.950.813,61 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 170.761.297,42
Campo
Verde 0,00 0,00 0,00 280.374.093,33 0,00
Brasnorte 0,00 0,00 163.610.381,35 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 160.636.060,77
Campos de
Júlio 0,00 268.351.688,94 0,00 0,00 0,00
Tabela de Custos Totais (R$)
Custo ambiental de transporte R$ 388.049,47
Custo Total de Transporte R$ 133.735.957,09
Custo energético de briquetagem R$ 109.567.601,33
Custo total de briquetagem R$ 613.925,25
Custo total R$ 243.917.704,04
92
ANEXO IV – CENÁRIO 3 – 20% DE APROVEITAMENTO DOS RESÍDUOS
Distâncias entre municípios (km)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 0 497 388 510 367
Nova Mutum 159 340 232 475 341
Sapezal 497 0 108 712 680
Campo Novo do
Parecis
389 108 0 634 571
Nova Ubiratã 87 577 468 423 280
Querência 749 1062 954 525 383
Diamantino 283 355 246 417 357
Primavera do
Leste
626 708 630 0 143
Lucas do Rio
Verde
66 432 324 567 430
Canarana 636 950 841 412 270
Campo Verde 523 605 527 103 246
Brasnorte 553 200 164 798 735
Paranatinga 367 680 571 143 1
Campos de Júlio 553 58 164 768 736
Quantidades Briquetes Transportadas (t)
Sorriso Sapezal
Campo Novo
do Parecis
Primavera do
Leste Paranatinga
Sorriso 518.638 0 0 0 0
Nova Mutum 292.314 0 0 0 0
Sapezal 0 274.841 0 0 0
Campo Novo do
Parecis 0 0 267.769 0 0
Nova Ubiratã 258.169 0 0 0 0
Querência 0 0 0 0 141.698
Diamantino 0 0 139.955 0 0
Primavera do
Leste 0 0 0 196.303 0
93
Lucas do Rio
Verde 193.769 0 0 0 0
Canarana 0 0 0 0 99.081
Campo Verde 0 0 0 162.682 0
Brasnorte 0 0 94.932 0 0
Paranatinga 0 0 0 0 93.206
Campos de Júlio 0 155.707 0 0 0
Custo Calculado de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 115.320,77 0,00 0,00 0,00 0,00
Nova
Mutum 10.334.503,55 0,00 0,00 0,00 0,00
Sapezal 0,00 61.111,66 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 59.539,27 0,00 0,00
Nova
Ubiratã 4.994.207,24 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 12.067.185,42
Diamantino 0,00 0,00 7.655.362,91 0,00 0,00
Primavera
do Leste 0,00 0,00 0,00 43.648,50 0,00
Lucas do
Rio Verde 2.843.622,94 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 5.948.380,99
Campo
Verde 0,00 0,00 0,00 3.725.809,74 0,00
Brasnorte 0,00 0,00 3.461.786,44 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 20.724,72
Campos de
Júlio 0,00 2.008.065,59 0,00 0,00 0,00
Custo ambiental de transporte (R$)
Sorriso Sapezal
Campo Novo
do Parecis
Primavera
do Leste Paranatinga
94
Sorriso 335,59 0,00 0,00 0,00 0,00
Nova
Mutum 30.073,95 0,00 0,00 0,00 0,00
Sapezal 0,00 177,84 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 173,26 0,00 0,00
Nova
Ubiratã 14.533,41 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 35.116,15
Diamantino 0,00 0,00 22.277,51 0,00 0,00
Primavera
do Leste 0,00 0,00 0,00 127,02 0,00
Lucas do
Rio Verde 8.275,09 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 17.310,10
Campo
Verde 0,00 0,00 0,00 10.842,30 0,00
Brasnorte 0,00 0,00 10.073,98 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 60,31
Campos de
Júlio 0,00 5.843,58 0,00 0,00 0,00
Custo Total de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 115.656,36 0,00 0,00 0,00 0,00
Nova
Mutum 10.364.577,50 0,00 0,00 0,00 0,00
Sapezal 0,00 61.289,50 0,00 0,00 0,00
Campo
Novo do
Parecis
0,00 0,00 59.712,53 0,00 0,00
Nova
Ubiratã 5.008.740,65 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 12.102.301,56
Diamantino 0,00 0,00 7.677.640,42 0,00 0,00
95
Primavera
do Leste 0,00 0,00 0,00 43.775,52 0,00
Lucas do
Rio Verde 2.851.898,03 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 5.965.691,09
Campo
Verde 0,00 0,00 0,00 3.736.652,05 0,00
Brasnorte 0,00 0,00 3.471.860,42 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 20.785,03
Campos de
Júlio 0,00 2.013.909,16 0,00 0,00 0,00
Custos Marginais de Transporte (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 3,78 1.878,66 1.466,64 1.927,80 1.387,26
Nova Mutum 601,02 1.285,20 876,96 1.795,50 1.288,98
Sapezal 1.878,66 3,78 408,24 2.691,36 2.570,40
Campo Novo do
Parecis
1.470,42 408,24 3,78 2.396,52 2.158,38
Nova Ubiratã 328,86 2.181,06 1.769,04 1.598,94 1.058,40
Querência 2.831,22 4.014,36 3.606,12 1.984,50 1.447,74
Diamantino 1.069,74 1.341,90 929,88 1.576,26 1.349,46
Primavera do
Leste
2.366,28 2.676,24 2.381,40 3,78 540,54
Lucas do Rio
Verde
249,48 1.632,96 1.224,72 2.143,26 1.625,40
Canarana 2.404,08 3.591,00 3.178,98 1.557,36 1.020,60
Campo Verde 1.976,94 2.286,90 1.992,06 389,34 929,88
Brasnorte 2.090,34 756,00 619,92 3.016,44 2.778,30
Paranatinga 1.387,26 2.570,40 2.158,38 540,54 3,78
Campos de Júlio 2.090,34 219,24 619,92 2.903,04 2.782,08
Capacidade da Usina Instalada - Combustão Direta (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
96
Sorriso 159,90 0,00 0,00 0,00 0,00
Nova Mutum 90,13 0,00 0,00 0,00 0,00
Sapezal 0,00 84,74 0,00 0,00 0,00
Campo Novo do
Parecis
0,00 0,00 82,56 0,00 0,00
Nova Ubiratã 79,60 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 43,69
Diamantino 0,00 0,00 43,15 0,00 0,00
Primavera do
Leste
0,00 0,00 0,00 60,52 0,00
Lucas do Rio
Verde
59,74 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 30,55
Campo Verde 0,00 0,00 0,00 50,16 0,00
Brasnorte 0,00 0,00 29,27 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 28,74
Campos de Júlio 0,00 48,01 0,00 0,00 0,00
Capacidade da Usina Instalada -Gaseificação (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera do
Leste
Paranatinga
Sorriso 213,21 0,00 0,00 0,00 0,00
Nova Mutum 120,17 0,00 0,00 0,00 0,00
Sapezal 0,00 112,98 0,00 0,00 0,00
Campo Novo do
Parecis
0,00 0,00 110,08 0,00 0,00
Nova Ubiratã 106,13 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 58,25
Diamantino 0,00 0,00 57,53 0,00 0,00
Primavera do
Leste
0,00 0,00 0,00 80,70 0,00
Lucas do Rio
Verde
79,66 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 40,73
Campo Verde 0,00 0,00 0,00 66,88 0,00
97
Brasnorte 0,00 0,00 39,03 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 38,32
Campos de Júlio 0,00 64,01 0,00 0,00 0,00
Faturamento pela produção de energia elétrica - Combustão Direta (R$)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 268.153.891,25 0,00 0,00 0,00 0,00
Nova Mutum 151.136.392,07 0,00 0,00 0,00 0,00
Sapezal 0,00 142.102.146,69 0,00 0,00 0,00
Campo Novo
do Parecis 0,00 0,00 138.445.886,26 0,00 0,00
Nova Ubiratã 133.482.356,07 0,00 0,00 0,00 0,00
Querência 0,00 0,00 0,00 0,00 73.262.843,08
Diamantino 0,00 0,00 72.361.445,31 0,00 0,00
Primavera do
Leste 0,00 0,00 0,00 101.495.299,39 0,00
Lucas do Rio
Verde 100.185.444,45 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 51.228.491,68
Campo
Verde 0,00 0,00 0,00 84.112.396,22 0,00
Brasnorte 0,00 0,00 49.083.212,57 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 48.190.914,61
Campos de
Júlio 0,00 80.505.667,69 0,00 0,00 0,00
Faturamento pela produção de energia elétrica - Gaseificação (MW/ano)
Sorriso Sapezal Campo Novo
do Parecis
Primavera
do Leste Paranatinga
Sorriso 357.538.521,66 0,00 0,00 0,00 0,00
Nova Mutum 201.515.189,43 0,00 0,00 0,00 0,00
Sapezal 0,00 189.469.528,91 0,00 0,00 0,00
Campo Novo
do Parecis 0,00 0,00 184.594.515,01 0,00 0,00
Nova Ubiratã 177.976.474,76 0,00 0,00 0,00 0,00
98
Querência 0,00 0,00 0,00 0,00 97.683.790,77
Diamantino 0,00 0,00 96.481.927,08 0,00 0,00
Primavera do
Leste 0,00 0,00 0,00 135.327.065,85 0,00
Lucas do Rio
Verde 133.580.592,60 0,00 0,00 0,00 0,00
Canarana 0,00 0,00 0,00 0,00 68.304.655,58
Campo
Verde 0,00 0,00 0,00 112.149.861,63 0,00
Brasnorte 0,00 0,00 65.444.283,43 0,00 0,00
Paranatinga 0,00 0,00 0,00 0,00 64.254.552,82
Campos de
Júlio 0,00 107.340.890,26 0,00 0,00 0,00
Tabela de Custos Totais (R$)
Custo ambiental de transporte R$ 155.220,10
Custo Total de Transporte R$ 53.494.489,83
Custo energético de briquetagem R$ 43.827.128,19
Custo total de briquetagem R$ 245.570,59
Custo total R$ 97.567.188,60
99
ANEXO V – PROGRAMAÇÃO DA OTIMIZAÇÃO EM AMBIENTE GAMS
Sets
i produtores / sorriso, nova-mutum, sapezal, campo-parecis, nova-ubirata, querencia,
diamantino, primavera, lucas, canarana, campo-verde, brasnorte, paranatinga, campos-julio /
j usinas / sorriso, sapezal, campo-parecis, primavera, paranatinga / ;
Parameters
a(i) quantidade de briquetes i transportados em toneladas
/ sorriso 2593192
nova-mutum 1461570
sapezal 1374231
campo-parecis 1338846
nova-ubirata 1290846
querencia 708491
diamantino 699774
primavera 981514
lucas 968847
canarana 495407
campo-verde 813412
brasnorte 474661
paranatinga 466032
campos-julio 778533 /
b(j) quantidade de briquetes j demandados pelas usinas em toneladas
/ sorriso 7397739
sapezal 7397739
campo-parecis 7397739
primavera 7397739
paranatinga 7397739 / ;
Table d(i,j) distance in thousands of miles
100
sorriso sapezal campo-parecis primavera paratinga
sorriso 0 497 388 510 367
nova-mutum 159 340 232 475 341
sapezal 497 0 108 712 680
campo-parecis 389 87 0 634 571
nova-ubirata 87 577 468 423 280
querencia 749 1062 954 525 383
diamantino 283 355 246 417 357
primavera 626 708 630 0 143
lucas 66 432 324 567 430
canarana 636 950 841 412 270
campo-verde 523 605 527 103 246
brasnorte 553 200 164 798 735
paranatinga 367 680 571 143 0
campos-julio 553 58 164 768 736 ;
Scalar f custo do frete em reais por quilometro /3.78/ ;
Scalar cap capacidade dos caminhoes /17/;
Parameter c1(i,j) custo calculado do transporte ;
c1(i,j) = (f * a(i) * d(i,j))/cap ;
Scalar f2 custo ambiental de transporte /0.011/ ;
Parameter c2(i,j) custo ambiental do transporte ;
c2(i,j) = (f2 * a(i) * d(i,j))/cap;
Parameter ctr(i,j) custo total de transporte ;
101
ctr(i,j) = c1(i,j) * c2(i,j);
Scalar p1 custo da energia para briquetagem por tonelada /15.17/ ;
Parameter cb(i) custo energético de briquetagem ;
cb(i) = p1 * a(i);
Scalar p2 custo ambiental de briquetagem por tonelada /0.085/ ;
Parameter cb2(i) custo energético de briquetagem ;
cb2(i) = p2 * a(i);
Parameter ctb(i) custo total de briquetagem ;
ctb(i) = cb(i) + cb2(i);
Parameter ct(i,j) custo total ;
ct(i,j) = ctr(i,j) * ctb(i);
$ontext
maximize -sum((i,j), c(i,j)*x(i,j))
s.t.
supply(i) .. sum(j, x(i,j)) =l= a(i)
demand(j) .. sum(i, x(i,j)) =g= b(j)
$offtext
$eval imax card(i)
$eval jmax card(j)
$eval xmax %imax%*%jmax%
102
Set n SDP variable space / x1*x%xmax% /
nmap(n,i,j) / #n:(#i.#j) /
m SDP constraints / #i,#j /
mi(m) / #i /
mj(m) / #j /
Parameter
mLE(m) SDP constraints with =l=
mGE(m) SDP constraints with =g=
c(m) right hand side
F0(n,n) cost coefficients
F(m,n,n) constraint matrix
Y(n,n) primal solution to transport problem
xvec(m) dual solution to transport problem;
* Objective
F0(n,n) = -sum(nmap(n,i,j), ct(i,j));
* supply
F(mi,n,n) = sum(nmap(n,i,j)$sameas(mi,i), 1);
c(mi) = sum(i$sameas(mi,i), a(i));
mLE(mi) = yes;
* demand
F(mj,n,n) = sum(nmap(n,i,j)$sameas(mj,j), 1);
c(mj) = sum(j$sameas(mj,j), b(j));
mGE(mj) = yes;
execute_unload 'csdpin.gdx' n, m, mLE, mGE, c, F, F0;
execute 'gams runcsdp.inc lo=%gams.lo% --strict=1';
abort$errorlevel 'Problems running RunCSDP. Check listing file for details.'
103
execute_load 'csdpout.gdx', xvec, Y;
Parameter rep;
rep('ship', i, j) = sum(nmap(n,i,j), Y(n,n));
rep('price',j,'') = sum(mj$sameas(mj,j), -xvec(mj));
rep('obj' ,'','') = sum((i,j), ct(i,j)*rep('ship', i, j));
display rep;